Upload
hadieu
View
213
Download
0
Embed Size (px)
Citation preview
Universitat Politècnica de València
Programa de Doctorado en Diseño,
Fabricación y Gestión de Proyectos Industriales
PROCEDIMIENTO FUNDAMENTADO EN LA
PROGRAMACIÓN LINEAL PARA LA
SELECCIÓN DE ALTERNATIVAS EN
PROYECTOS DE NATURALEZA COMPLEJA
Y CON OBJETIVOS MÚLTIPLES
Doctorando: Nolberto Munier
Directores:
Dr. Pablo Aragonés Beltrán, Universitat Politècnica de València
Dr. Fernando Jiménez Sáez, Universitat Politècnica de València
Valencia, Setiembre de 2011
AGRADECIMIENTOS
Deseo dejar constancia de mi reconocimiento a mis dos Directores de Tesis:
Dr. Pablo Aragonés Beltrán y Dr. Fernando Jiménez Sáez de la Universidad Politécnica
de Valencia que aunaron esfuerzos para hacerme comprender aspectos que hoy me
resultan obvios, pero que no lo fueron para mí en su momento. Deseo agradecer su guía,
su paciencia, su buena voluntad y su firmeza para hacerme consciente cuando estuve
equivocado, como también sus palabras de aliento cuando estaba por el buen camino.
Hago extensivo mi agradecimiento a:
Dr. Enrique Calderón Banzategui, quien hace ya años evaluó y confió en un
rudimentario esquema del método Simus, recomendó su aplicación en una población
española y me introdujo en un importante organismo internacional en donde me fue
posible exponer el método.
Dr. Javier Curiel Díaz que me brindó, aparte de su inestimable amistad, la riqueza de
sus sugestiones y consejos.
Dr. Francisco Guijarro Martínez, por su desinteresada ayuda y por sus agudos planteos,
que me hicieron pensar….lo cual, indudablemente benefició al método.
Dr. Carlos Romero López quien me brindó la dosis de confianza que necesitaba al
avalar un nuevo método matemático y que aportó muy útiles sugerencias.
A directores de planeamiento urbano en las ciudades de Córdoba y San Francisco
(Argentina), Santo André (Brasil), Hull y Clarence-Rockland (Canadá), León (España),
Rotterdam (Holanda), Guadalajara y León (México), Ministerio del Medio Ambiente
(Gobierno de Canadá), Banco Mundial (EE.UU) que facilitaron información estadística
para la aplicación del método en sus respectivas ciudades y entornos, y de los cuales
extraje una gran experiencia que se volcó en esta tesis.
La génesis de este trabajo se remonta a muchos años atrás cuando en la Universidad
Nacional de Buenos Aires, y de la mano de mi maestro, el ingeniero Isidoro Marín,
aprendí los rudimentos de la Programación Lineal, técnica que me fascinó desde
entonces cuando alcancé a ver sus posibilidades. Este trabajo puede considerarse como
una materialización de ese anhelo de emplear esta magnífica herramienta en otras
actividades.
ii
A mi madre Isabel, mi padre Ángel, hermana Haydée, y tíos
Rosa y Antonio, in memoriam
A mi esposa Alicia, y a mis hijos Daniel y Michelle quienes
compartieron y comparten mis inquietudes y de quienes recibí
el mejor apoyo y aliento que alguien pueda pedir
iv
TABLA DE CONTENIDO
AGRADECIMIENTOS ................................................................................................................................ I
CAPÍTULO 1 INTRODUCCIÓN ................................................................................................................ 1
1.1 ANTECEDENTES Y JUSTIFICACIÓN ............................................................................................................... 1
1.2 OBJETIVOS DE ESTE TRABAJO .................................................................................................................... 2
1.3 LA NATURALEZA DEL PROYECTO COMPLEJO .................................................................................................. 4
1.4 DESCRIPCIÓN DEL DOCUMENTO ................................................................................................................ 6
CAPÍTULO 2 ESTADO DEL ARTE DE LOS MÉTODOS EXISTENTES PARA LA TOMA DE DECISIONES .... 7
2.1 ANTECEDENTES ..................................................................................................................................... 7
2.2 NECESIDAD DE DISPONER DE MODELOS MATEMÁTICOS .................................................................................. 8
2.2.1 Familias de métodos ................................................................................................................. 8
2.3 MÉTODO ELECTRE (ÉLIMINATION ET CHOIX TRADUISANT LA RÉALITÉ) .............................................................. 8
2.3.1 Fundamentos del método ......................................................................................................... 8
2.3.2 Aplicaciones ............................................................................................................................ 10
2.4 MÉTODO PROMETHEE (PREFERENCE RANKING ORGANIZATION METHOD FOR ENRICHMENT EVALUATIONS) ......... 10
2.4.1 Fundamentos del método ....................................................................................................... 10
2.4.2 Operación ............................................................................................................................... 12
2.4.3 Aplicaciones ............................................................................................................................ 12
2.5 MÉTODO AHP (ANALYTIC HIERARCHY PROCESS) ....................................................................................... 12
2.5.1 Fundamentos del método ....................................................................................................... 12
2.52 Mecánica y etapas del método ................................................................................................ 13 2.5.2.1 Determinación de pesos de los criterios .......................................................................................... 13 2.5.2.2 Valoración de alternativas ............................................................................................................... 14
2.5.3 Aplicaciones ............................................................................................................................ 14
2.5.4 Método ANP (The Analytic Network Process for Decision Making with Dependence and
Feedback) ........................................................................................................................................... 15
2.6 MÉTODO MULTI-ATTRIBUTE UTILITY THEORY (MAUT)............................................................................... 15
2.7 MÉTODO DE PROGRAMACIÓN LINEAL (PL) ............................................................................................... 16
2.7.1 Breve historia de la técnica ..................................................................................................... 16
2.7.2 Fundamentos de la Programación Lineal ................................................................................ 16
2.7.3 Metodología de la PL aplicada la resolución problemas de decisión ...................................... 19
2.7.4 Modelado de una situación real .............................................................................................. 21
2.7.5 Aplicaciones ............................................................................................................................ 21
2.7.6 Fundamentos de la Programación por Metas (Goal Programming) ....................................... 22
2.7.7 Método Simplex multiobjetivo ................................................................................................ 22
2.8 MÉTODO TOPSIS (TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SITUATION) ............................. 23
2.8.1 Fundamentos del método ........................................................................................................ 23
2.8.2 Aplicaciones ............................................................................................................................ 24
2.9 COMPARACIÓN DE RESULTADOS ALCANZADOS POR LOS DISTINTOS MODELOS EN UN CASO ESPECÍFICO .................. 24
2.9.1 Estudio comparativo de un caso: Revalorización del aeropuerto de Maastricht .................... 24
2.9.2 Resumen sobre las dificultades encontradas .......................................................................... 25
2.10 COMPARACIÓN ENTRE MODELOS ........................................................................................................... 25
CAPÍTULO 3 EL PROCEDIMIENTO SIMUS .................................................................................... 27
vi
3.1 FUNDAMENTOS DE SIMUS ..................................................................................................................... 27
3.1.1 Análisis del problema y relación con otras técnicas afines ..................................................... 27
3.1.2 Mecánica operativa ................................................................................................................ 28
3.1.3 Arquitectura de Simus ............................................................................................................. 29
3.2 DIAGRAMA DE FLUJO PARA LA APLICACIÓN DE SIMUS A PROBLEMAS DE TIPO 1................................................... 30
3.2.1 Fuentes .................................................................................................................................... 30
3.2.2 Fase de Análisis ....................................................................................................................... 32
3.2.3 Fases de modelación y resultados ........................................................................................... 34
3.3 DIAGRAMA DE FLUJO PARA LA APLICACIÓN DE SIMUS A PROBLEMAS DE TIPO 2 ................................................ 35
3.3.1 Fuentes .................................................................................................................................... 35
3.3.2 Fase de Análisis ....................................................................................................................... 35
3.3.3 Fases de modelación y resultados ........................................................................................... 36
DÉCIM 3.4 DESCRIPCIÓN DE LOS MÓDULOS ..................................................................................................... 36
3.4.1 Explicación y empleo del Módulo 1 ......................................................................................... 36
3.4.2 Explicación y empleo del Módulo 2 ......................................................................................... 39 3.4.2.1 Ejemplo ilustrativo de la aplicación de los módulos 1 y 2 ................................................................ 40
3.4.3 Equivalencia del resultado alcanzado por Simus ..................................................................... 44
3.4.4 Calculo de la entropía para cada conjunto de resultados ....................................................... 44
3.4.5 Explicación y empleo del Módulo 4 ......................................................................................... 45 3.4.5.1 Explicación detallada de los pasos a seguir para aplicar el módulo 4 .............................................. 46
3.4.6 Cuadro sinóptico de funciones monoobjetivo y multiobjetivo y módulos a emplear ........... 47
3.4.7 Análisis de sensibilidad ............................................................................................................ 48
CAPÍTULO 4 CASOS DE ESTUDIO ......................................................................................................... 51
4.1 RESOLUCIÓN POR SIMUS DE UN PROBLEMA REAL COMPLEJO - CONTRASTACIÓN DE RESULTADOS ALCANZADO CON
ELECTRE .................................................................................................................................................... 51
4.1.1 Antecedentes .......................................................................................................................... 51
4.1.2 Resolución por Simus utilizando los Módulos 1 y 2 ................................................................. 51
4.1.3 Correlación entre los resultados de ambos métodos .............................................................. 57
4.1.4 Análisis del resultado .............................................................................................................. 59
4.1.5 Conclusión de este ejemplo ..................................................................................................... 60
CAPÍTULO 5 COMENTARIOS SOBRE ARTÍCULOS PUBLICADOS EN EL COMPENDIO ........................ 61
5.1 ARTÍCULO PUBLICADO EN ‘ECOLOGICAL INDICATORS’ 11(2011) 1020-1026 .................................................. 61
5.1.1 Descripción del problema ........................................................................................................ 61
5.1.2 Indicadores relacionados con los criterios de selección y estimación de su importancia
absoluta ............................................................................................................................................. 62
5.1.3 Criterios de selección ............................................................................................................... 63
5.1.4 La función objetivo .................................................................................................................. 64
5.1.5 Discusión del resultado de la metodología propuesta ............................................................ 64
5.1.6 Elección del tamaño del conjunto seleccionado ...................................................................... 66
5.1.7 Otra versión del modelo .......................................................................................................... 67
5.1.8 Conclusión ............................................................................................................................... 67
5.2 ARTÍCULO PUBLICADO EN ‘ENVIRONMENT, DEVELOPMENT AND SUSTAINABILITY’- VOLUME 8, NUMBER 3, 425-443
............................................................................................................................................................... 67
5.2.1 Antecedentes .......................................................................................................................... 67
5.2.2 Empleo de la Programación Lineal .......................................................................................... 68
5.2.3 Resultado ................................................................................................................................ 70
5.2.4 Análisis del resultado .............................................................................................................. 70
5.3 ARTÍCULO PUBLICADO EN ‘RENEWABLE ENERGY’ 29 (2002) 1775-1791 .................................................... 71
5.3.1 Antecedentes .......................................................................................................................... 71
5.3.2 Resolución mediante el empleo de los módulos de Simus ...................................................... 71
5.3.3 Planteamiento del problema................................................................................................... 71 5.3.3.1 Resultado del grupo AHP ................................................................................................................. 72 5.3.3.2 Resultado del grupo SIMUS ............................................................................................................. 72 5.3.3.3 Discusión de resultados de este caso ............................................................................................... 73
CAPÍTULO 6 ANÁLISIS DE RESULTADOS, REFLEXIONES Y CONCLUSIONES ...................................... 75
6.1 CONSIDERACIONES GENERALES ............................................................................................................... 75
6.2 ANÁLISIS DE LAS SOLUCIONES ................................................................................................................. 76
6.3 CONTRASTACIÓN DE RESULTADOS ........................................................................................................... 76
6.4 COMENTARIOS SOBRE LA RESOLUCIÓN DE LOS CASOS .................................................................................. 78
6.4.1 Interpretaciones sobre algunos casos analizados y su resolución por LP/Simus .................... 80
6.5 FORTALEZAS Y DEBILIDADES .................................................................................................................... 84
6.6 CUMPLIMIENTO DEL OBJETIVO PROPUESTO ............................................................................................... 85
6.7 CONCLUSIÓN ...................................................................................................................................... 85
RESUMEN DE ESTE TRABAJO ................................................................................................................ 99
RESUM D'AQUEST TREBALL ............................................................................................................... 100
ABSTRACT .......................................................................................................................................... 101
GLOSARIO .......................................................................................................................................... 103
REFERENCIAS BIBLIOGRÁFICAS .......................................................................................................... 107
ARTÍCULOS PUBLICADOS EN EL COMPENDIO ..................................................................................... 115
viii
PROCEDIMIENTO FUNDAMENTADO EN
PROGRAMACIÓN LINEAL PARA LA
SELECCIÓN DE ALTERNATIVAS EN
PROYECTOS DE NATURALEZA COMPLEJA
Y CON OBJETIVOS MÚLTIPLES
Si buscas resultados distintos
No hagas siempre lo mismo
Albert Einstein
La ciencia es la progresiva aproximación del
hombre al mundo real
Max Planck
CAPÍTULO 1 INTRODUCCIÓN
1.1 Antecedentes y justificación
Esta tesis está enfocada a la toma de decisiones en problemas complejos. Se entienden
como tales aquellos con una gran cantidad de variables que se traducen en restricciones
de tipo cuantitativo y cualitativo, con numerosas interrelaciones, tanto en las
alternativas en estudio como en los criterios de decisión, y con condicionamientos de
distinta índole. Por otro lado, suelen ser problemas que se caracterizan por tener que
cumplir con diversos objetivos en forma simultánea y muchas veces opuestos o
contradictorios.
La toma de decisiones comienza intentando modelar una situación real, pero que
además debe tener en cuenta la experiencia y preferencias del centro decisor - ya que es
una actividad subjetiva – por lo que, considerando la cantidad de variables a manejar,
los criterios para evaluar las diversas opciones o alternativas, y la complejidad del
problema, se hace pertinente el empleo de modelos matemáticos que organicen la
información, ejecuten determinados algoritmos de resolución y que arrojen un resultado,
que puede ser aceptado, rechazado o modificado por el centro decisor.
Estas técnicas matemáticas son una ayuda para la toma de decisiones, que apoyan al
centro decisor para gestionar la información, y por otro lado facilitan su labor al
permitirle analizar distintas soluciones cuando se cambian determinados parámetros,
procedimiento que se conoce como análisis de sensibilidad, y que puede arrojar mucha
luz sobre un caso determinado.
2
Este trabajo propone un nuevo procedimiento, apoyado en la Programación Lineal (PL)
cuando analiza problemas discretos, es decir con una cantidad limitada de alternativas y
con un gran número de criterios. La PL no es una técnica moderna, es anterior a
mediados del siglo XX. Tiene un desarrollo axiomático impecable y es muy apta para
resolver problemas de decisión. Sin embargo, posee dos debilidades que son a) la
necesidad de trabajar con criterios cuantitativos y b) el trabajar con un solo objetivo.
En casos en donde estas debilidades no afectan a la resolución del problema, como por
ejemplo en la determinación de los distintos tipos de productos que una planta industrial
puede producir, en el análisis financiero de portfolios, o en el estudio de cuencas
hídricas, por citar solo algunos, la técnica arroja valores óptimos, y en este tipo de
entorno se ha utilizado y aplica a numerosos proyectos de distinta índole.
También hubo intentos de emplear la PL en la resolución de problemas con múltiples
objetivos, y así nacieron metodologías como la programación por metas (Charnes et al,
1961), el Simplex Multicriterio (Steuer, 1989), el método de restricciones con
parametrización, etc., pero que en general, tratan el problema desde un punto de vista
eminentemente matemático y sin mucha atención a las preferencias del centro decisor y
partes interesadas, como puede ser por ejemplo un sector de la población afectada por
un proyecto dado, es decir proyectos en donde existe un fuerte componente cualitativo,
aunque posteriormente la Programación por Metas trató de lograr un equilibrio entre el
rigor matemático y las preferencias del centro decisor.
En la práctica, la mayoría de los problemas de decisión emplean en la evaluación de las
alternativas criterios que responden a preferencias y magnitudes cualitativas, y también
a criterios cuantitativos, manifestados mediante magnitudes concretas, y a esto hay que
agregar la existencia de varios objetivos. Esto se puso de manifiesto cuando las
demandas de carácter técnico, social, económico y medioambiental exigieron ser
consideradas en la toma de decisiones.
Se hizo entonces necesaria la búsqueda de nuevos métodos que contemplaran estas
demandas y por ello, desde fines de los 1970 aparecieron diversas técnicas que
encararon la selección de manera distinta, y así se desarrollaron los métodos Electre
(Roy, 1968), AHP (Saaty, 1980), Topsis (Hwang, 1981), Promethee (Brans, et al 1986),
y otros.
1.2 Objetivos de este trabajo
El objetivo principal de este trabajo es proponer un nuevo procedimiento, basado en una
adaptación de la PL para facilitar la toma de decisiones en problemas complejos,
aprovechando las ventajas de esta técnica, pero permitiendo también trabajar con
criterios cualitativos, y considerando múltiples objetivos. Este procedimiento se
denomina „Simus‟. En esencia, pretende demostrar que la PL se puede aplicar -
mediante una adaptación adecuada - a la resolución de problemas de toma de decisiones
multicriterio (MCDM). El procedimiento Simus se ilustra en el Capítulo 3 mediante un
esquema que abarca tres fases: Análisis, Síntesis y Evaluación.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
3
Es de hacer notar que en esta tesis no se propone introducir una nueva aplicación de la
PL sino que se intenta ampliar el campo de acción de la misma, introduciendo una
variación al método y que le permite a esta herramienta abordar problemas cuyo planteo
y resolución eran imposibles, como es el caso de trabajar con cualquier cantidad de
objetivos y con restricciones cualitativas.
Esta tesis es una exposición de los casos resueltos y publicados por Munier (2004, 2006
y 2011) aplicando dicho procedimiento, y es un trabajo en donde se estudia la forma de
adaptar o extender la PL al problema de la toma de decisiones discreto, no importando
el tipo o la naturaleza del problema de decisión. Precisamente, los tres artículos del
compendio abarcan temas tan disímiles como:
1. La selección de fuentes de energía renovable para generar energía limpia,
2. La selección de alternativas en infraestructura vial en un proyecto urbano,
3. La selección de un conjunto de indicadores de sostenibilidad.
Por otro lado en la Sección 6.4 se ilustra el empleo de la técnica en 45 proyectos reales
y que pertenecen a 11 categorías distintas, abarcando aspectos tales como
infraestructura portuaria y aeronáutica, medioambiente, temas sociales, planeamiento
económico, localización industrial, gobierno, etc.
A pesar de que la técnica descrita se puede emplear en general en cualquier tipo y
tamaño de proyecto, se considera que su mayor ventaja está en su aplicación al rango de
problemas complejos, es decir a aquellos con numerosas alternativas y criterios, con
gran número de interrelaciones, y con requisitos propios de los mismos tales como
demandas a satisfacer, protocolos a cumplir, y restricciones a respetar. El procedimiento
puede entonces considerarse como una forma alternativa de afrontar un problema de
toma de decisiones.
Por otro lado, el propósito enunciado se materializa mediante un objetivo doble, ya que
intenta:
a) Justificar que la aplicación de la PL que se propone puede emplearse ventajosamente
para resolver problemas de naturaleza compleja, con incertidumbre y múltiples
objetivos, y
b) Demostrar que los modelos matemáticos que se han desarrollado para ayudar a la
toma de decisiones deben producir resultados equivalentes cuando tratan un mismo
problema.
4
Con respecto al primer objetivo, el trabajo aporta nuevos elementos para enfocar lo más
consistentemente posible el tema de la evaluación y toma de decisiones en problemas
complejos.
El segundo objetivo intenta demostrar que los modelos actualmente en uso - al menos
los más empleados - al estar bien estructurados, y aunque trabajen con distintos
procedimientos matemáticos, deben arrojar resultados equivalentes al resolver un
mismo problema. Cuando esto no sucede, ello es atribuible a la forma diferente que
tiene cada método - incluyendo Simus - a la hora de tratar la información del centro
decisor. Por ese motivo, Simus aspira a mejorar la gestión de la información
disminuyendo el grado de incertidumbre del centro decisor, a fin de aumentar la
fiabilidad de las soluciones.
La hipótesis de equivalencia se considera importante porque permitiría comprobar,
usando diferentes modelos para un mismo caso, si se alcanza una consonancia de
resultados, los cuales muy probablemente corresponderían entonces a la mejor solución,
no desde el punto de vista de un óptimo matemático, sino como solución satisfactoria
para el centro decisor y las partes interesadas. Esta hipótesis es compartida por varios
investigadores, pero aquí se intenta demostrarla heurísticamente.
Se estima importante destacar que el procedimiento alcanza, en un alto porcentaje de
casos y para un mismo problema, resultados similares a los alcanzados por los otros
métodos ya mencionados, a los cuales, en términos generales llamaremos „Métodos
existentes‟.
1.3 La naturaleza del proyecto complejo
Como consideración significativa se entiende que la PL, mediante el complemento dado
por Simus, admite encarar la resolución de proyectos de naturaleza compleja y muy
compleja, nicho éste que no está lo suficientemente desarrollado. Esta reflexión se basa
en el hecho de que la PL permite, debido a la formulación propia de la matriz de
decisión con sus términos independientes, y de poder condicionar las soluciones, la
posibilidad de representar situaciones reales, debidas a:
Condicionamientos políticos. Cuando hay que hacer efectivo el cumplimiento
de compromisos políticos (por ejemplo, necesidad de llevar a cabo obras
prometidas en las campañas electorales, en donde un determinado proyecto
debe ejecutarse, esté o no seleccionado por el programa de selección empleado),
Condiciones de avance, cuando el proyecto está condicionado por la
disponibilidad de fondos en un año fiscal (por ejemplo en un proyecto regional,
cuando los porcentajes de avance físico deben corresponderse con los
porcentajes de envío de fondos del gobierno central),
Condiciones de borde, es decir cuando se establecen límites inferiores,
superiores o intervalos para cada restricción (por ejemplo, en las descargas
máximas de NOx de plantas energéticas),
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
5
Condiciones de congruencia (por ejemplo, si se elige la alternativa A debe
también elegirse la D),
Condiciones de exclusión, es decir cuando es conveniente que la solución sea de
tipo binario, por ejemplo cuando no interesa un ordenamiento, sino que ésta
indique qué proyectos o alternativas se deben ejecutar y cuáles no, expresados
los primeros con „1‟ y los segundos con „0‟. Es decir varios „1‟ indican
proyectos a considerar,
Condiciones de incertidumbre (por ejemplo, en un proyecto de seguridad urbana
cuando se adoptan diversas medidas para aumentarla, y que están sujetas a
distintos criterios cuya eficiencia se mide en porcentaje),
Condiciones de independencia (por ejemplo en una intersección urbana, el
modelo debe determinar si es más conveniente construir un túnel, o un puente,
pero no ambos, ya que son independientes),
Condiciones de obras en ejecución, cuando hay que tener en cuenta proyectos
en fase de construcción (es decir asegurarse que un proyecto que está en
construcción se complete, y en consecuencia tenga prioridad sobre otros que no
han comenzado aun),
Condiciones de precedencia, es decir cuando la ejecución de un proyecto dado
es posterior a la finalización de otro (por ejemplo la pavimentación de una
avenida debe recién comenzarse no sólo si se realizan los trabajos de
alcantarillado previstos para la misma, sino además recién cuando estos
finalicen),
Condiciones de simultaneidad, cuando se admite la acción simultánea de dos
alternativas (por ejemplo, en una licitación, y en el análisis de las propuestas de
los contratistas, admitir la existencia de uniones transitorias de empresas),
Condiciones económico financieras, por ejemplo en la selección de un portfolio
de proyectos en función de los fondos disponibles (como en el caso de que haya
un conjunto de proyectos a realizar cuya inversión total supera a los fondos
disponibles, y en consecuencia es necesario apropiar los mismos de la manera
más eficiente posible),
Trabajar con cientos o incluso miles de restricciones (por ejemplo, para
proyectos que deben contemplar simultáneamente restricciones de tipo
comercial, de riesgo, de seguridad, ambientales, sociales, medioambientales, de
capacidad, de disponibilidad de personal y de equipos, etc.),
Trabajar con funciones que no son lineales, por medio de su división en
porciones lineales (por ejemplo, en criterios de costos fijos y variables, o en
criterios que no son lineales)1, etc.
1 En este caso debe linealizar la función, dividiéndola en segmentos lineales y aplicando PL a cada uno
de ellos.
6
1.4 Descripción del documento
Aparte de lo comentado en este primer capítulo en donde ya se han indicado los
antecedentes y objetivos del trabajo, esta tesis está organizada de la siguiente manera:
Capítulo 2: Se dedica a una revisión somera del estado del arte en lo que se refiere a los
métodos existentes y a tal efecto se comentan muy brevemente los métodos Electre,
Promethee, AHP, Maut, Programación Lineal, y Topsis.
Capítulo 3: Se explica el procedimiento Simus.
Capítulo 4: Casos de estudio. Empleo del método Simus en la resolución de un caso real
complejo y se comparan los resultados cuando se resuelve por el método Electre.
Capítulo 5: Comentarios sobre los artículos publicados en el compendio.
Capítulo 6: Análisis de resultados, reflexiones y conclusiones. Se examinan las
soluciones, y se comenta un trabajo de contrastación llevado a cabo para comparar los
resultados de 45 casos reales, ejecutados por diversos investigadores y sobre una
variedad de temas, con los resultados alcanzados por Simus. Se discuten las fortalezas y
debilidades del método PL/Simus y se analiza el cumplimiento del objetivo propuesto
en esta tesis. Se sugiere además una futura línea de trabajo que aprovechando los
resultados de Simus permita emplear la técnica DEA para obtener, mediante la
investigación de las fronteras eficientes, la más adecuada. De este modo el centro
decisor poseería un paradigma, una solución, que es la mejor y con la cual poder
comparar las soluciones que él propone.
En la conclusión se exponen las razones por la cual se considera que Simus representa
un aporte significativo al problema de la toma de decisiones al introducir un concepto
novedoso que permite la aplicación de una técnica poderosa como es la PL.
Resumen
Glosario de términos propios de este trabajo.
Referencias bibliográficas.
Artículos publicados en el compendio
CAPÍTULO 2 ESTADO DEL ARTE DE LOS MÉTODOS
EXISTENTES PARA LA TOMA DE DECISIONES
2.1 Antecedentes
En un problema de toma de decisiones existen alternativas a considerar y evaluar
mediante varios criterios, muchas veces conflictivos entre ellos. Hay alternativas que
tienen un comportamiento excelente para algún criterio y malo en otro y hay
alternativas que contribuyen con valores semejantes para un mismo criterio; en
consecuencia es difícil adoptar una decisión. Por ese motivo se emplean modelos
matemáticos que resultan entonces muy útiles para manejar esta complejidad, dado que
no es posible representarla mediante una interpretación simplificada y porque la
perspectiva analítica y reduccioncita del modelado cuantitativo implica que la atención
sólo se centra en algunas partes del problema (Sawaragi et al, 1992).
En este capítulo se comentan las diferentes técnicas matemáticas empleadas para la
toma de decisiones y que conducen a la formulación y empleo de los distintos modelos
matemáticos. Asimismo, se examinan los procedimientos que emplea cada uno para
explicar su funcionamiento y los diversos mecanismos de cálculo.
Una pregunta que suele hacerse un centro decisor es cuál es el mejor modelo para
aplicar a la resolución de un problema dado. Esta pregunta no tiene en realidad una
respuesta concreta, dado que es necesario analizar el problema en profundidad y luego
aplicar aquel modelo que mejor se adapte al mismo y que deberá ser apropiado para sus
características (Warren, 2009).
Se analiza en este capítulo el procedimiento que sigue cada modelo. Ninguno de ellos
está exento de críticas, tanto sea en el comportamiento en general como en el uso
práctico para tratar problemas reales (Leyva López, 2004). No hay, por otro lado,
ningún modelo mejor que otro (Romero, 1996), y tampoco existe un método simple que
sea mejor que todos los otros métodos en todos los aspectos (Triantaphyllou, 2002).
Cada modelo tiene su campo de aplicación, sus ventajas y desventajas, que no se
analizan aquí ya que no es el objeto de este trabajo. Se mencionan sí, aquellos
elementos o factores que se estima contribuyen a obtener resultados a veces discutibles
o que no convencen al centro decisor, ya sea porque no se ajustan a lo que un conjunto
de expertos espera de una situación dada, o porque no satisface a las partes. Por otro
lado son esos factores los que, sin lugar a dudas, ocasionan que dos modelos distintos,
tratando el mismo problema, arrojen resultados completamente dispares, sino opuestos.
8
2.2 Necesidad de disponer de modelos matemáticos
Es evidentemente imposible que una persona pueda manejar toda la información
disponible, interrelacionarla y llegar a una decisión correcta acerca de qué alternativa
elegir. Los modelos matemáticos están construidos para ordenar y procesar los datos y
servir de guía al centro decisor tratando de representar lo más fielmente posible la
situación real. Al respecto, Duckstein et al (1994), dicen que “el propósito de aplicar
los métodos de análisis de decisión con objetivos y criterios múltiples es ayudar al
agente de la decisión y no el de reemplazarlo”.
Hay que tener en cuenta sin embargo, que no todos los modelos se adaptan a todos los
casos y que su elección puede afectar en forma significativa las decisiones basadas en
juicios de valor, y que a menudo hay grandes diferencias de un modelo a otro en
situaciones de decisión no comunes y que involucran criterios fuertes y contradictorios
(Hobbs et al, 1997).
2.2.1 Familias de métodos
Hay cuatro familias principales a las que pertenecen estos métodos y que son:
1. Relaciones de superioridad o sobre clasificación (Outranking), a la cual pertenecen
los métodos Electre y Promethee,
2. Relaciones de preferencia; métodos AHP y Maut,
3. Relaciones de distancia; método Topsis,
4. Relaciones lineales; Programación Lineal, Programación por Metas, Simplex
Multicriterio.
Una amplia revisión de aplicaciones de diferentes métodos para la decisión multicriterio
en su conjunto, se puede encontrar en Figueira et al, (2005) y en Vaidya et al (2006).
Ver también tabla 6.4 en la Sección 6.4. Es también interesante observar la asociación
de AHP con otros metodologías, ver por ejemplo Macharis et al (2004).
2.3 Método Electre (Élimination Et Choix Traduisant la Réalité)
Desarrollado por Roy (1968), Vincke (1992).
2.3.1 Fundamentos del método
El método se basa en la comparación de pares de alternativas con relación a cada
criterio, y de acuerdo al siguiente principio:
“Cuando una alternativa A es tan buena al menos como otra B en una mayoría de los
criterios, y no hay ningún criterio en el que A sea notoriamente inferior a B, podemos
afirmar sin riesgo que A supera a B” (Barba-Romero,1997).
Electre permite la incomparabilidad y no es compensatorio.
La comparabilidad se refiere a la posibilidad de contrastar o no elementos del problema.
La incomparabilidad aparece cuando el centro decisor no tiene elementos que le
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
9
permitan comparar un concepto con otro por ser muy diferentes, como por ejemplo
cuando debe comparar los objetos que le gustan con aquellos que le disgustan.
(Korhonen, 2003).
Compensatorio a su vez se refiere a que un muy buen resultado en un criterio puede
compensar los malos resultados de otro.
Los pasos a seguir de acuerdo al principio enunciado son los siguientes (Se ejemplifica
sólo para el primer par):
Primer paso: Comienza con la construcción de la matriz de decisión en la cual los
coeficientes pueden corresponder a criterios cuantitativos y cualitativos, y se asignan los
correspondientes pesos a los criterios. Los criterios deben también estar afectados por la
acción que persiguen, es decir maximizar o minimizar.
Segundo paso: Para analizar la primera parte del principio enunciado, se comienza
entonces comparando el primer par de alternativas con respecto a la acción (Maximizar
o Minimizar) indicada por el primer criterio. Si las correspondientes magnitudes de las
alternativas consideradas cumplen la acción del criterio, entonces se le asigna a esa
comparación el valor del peso del criterio. La suma de estos pesos, para este par de
alternativas, cuando esta comparación se ha realizado para todos los criterios, suministra
entonces el valor de superación (Índice de concordancia) de una alternativa sobre otra
con respecto a los criterios, y permite construir una matriz llamada „Matriz de
concordancia‟.
Tercer paso: Para analizar la segunda parte del principio enunciado, se considera ahora,
para el primer par y para criterio la diferencia cuantitativa entre las magnitudes.
Cuarto paso: Cuando se completa el análisis para el mismo primer par y para todos los
criterios, se registra la mayor diferencia existente entre esas diferencias.
Quinto paso: Se calculan ahora, para el primer par y para cada criterio, las diferencias
cuantitativas independientes de si se cumple o no la acción, Cuando se completa el
análisis para el mismo primer par y para todos los criterios, se registra la mayor
diferencia existente entre esas diferencias, es decir se obtiene la diferencia considerando
todos los criterios.
Sexto paso: Se computa la ratio entre el valor calculado en el cuarto paso y el hallado en
el quinto paso, lo cual indica la superación o no de una alternativa sobre otra desde el
punto de vista de las cantidades (Índice de discordancia), lo cual permite construir la
„Matriz de discordancia‟.
Séptimo paso: El centro decisor establece un umbral de mínima para los valores de la
matriz de concordancia y se anulan los valores que estén debajo del mismo. El resultado
constituye la „Matriz dominante de concordancia‟.
10
Octavo paso: El decisor establece un umbral de máxima para los valores de la matriz de
discordancia y elimina los que estén por arriba del mismo. El resultado constituye la
„Matriz dominante de discordancia‟.
Noveno paso: Se comparan estas dos últimas matrices y se asigna un „1‟ en donde hay
coincidencia de resultados, es decir cuando una alternativa dada obtiene superación en
ambas matrices.
Décimo paso: Esto permite construir un grafo en donde puede apreciarse el
ordenamiento resultante. El nodo que precede a los demás constituye el núcleo o kernel
correspondiente a la solución.
Es de destacar que Electre permite conocer cuáles son las alternativas dominantes, pero
no suministra la información referida a su ordenamiento. Triantaphyllou et al (1998)
expresa este mismo aspecto diciendo que “Dado que el sistema no es necesariamente
completo, el método Electre a veces no es capaz de identificar la alternativa preferida.
Sólo produce un núcleo de alternativas dominantes”.
Algunos investigadores aluden a uno de los aspectos más criticables de esta
metodología en el sentido de que puede existir arbitrariedad en la fijación de los
umbrales de concordancia y discordancia y en algunos casos puede prestarse a forzar la
aparición cuando el kernel está vacío por medio de la modificación de dichos umbrales.
Romero (1996) agrega que esto es crucial a la hora de evaluar este método para la toma
de decisiones
2.3.2 Aplicaciones
Se pueden encontrar en (Aragonés et al, 2001): (Fichefet et al, 1986), (Roy et al, 1986),
(Barda et al, 1990). Además, en la tabla 6.4, Sección 6.4, Capítulo 6.
2.4 Método Promethee (Preference Ranking Organization Method for Enrichment
Evaluations)
Desarrollado por Brans (1982), (Brans et al, 1982, 1984, 1985, 1986, 2004).
2.4.1 Fundamentos del método
Está basado en una relación de superación en la cual se analiza la relación entre dos
alternativas y se dice que una supera a la otra si se cumplen ciertas condiciones. Se
consideran pares de alternativas y cada par se analiza en función de cada criterio. Si la
relación cuantitativa de los valores de cada alternativa cumple con la acción, se
establece una preferencia y cuyo valor, entre 0 y 1, está determinado por la aplicación
de una función de transferencia. Para ello se establecen parámetros, en forma de
umbrales de indiferencia y de preferencia. Si la diferencia entre los valores de dos
alternativas y para un criterio dado está por debajo de un cierto umbral de indiferencia,
se admite que esta diferencia no existe. El parámetro o umbral de preferencia se define
como aquella diferencia mínima para que una alternativa se considere preferente a otra.
Por ejemplo, en un proyecto de construcción de caminos se establece la matriz de
decisión de manera usual. Supóngase que haya tres alternativas 1, 2 y 3 entre los puntos
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
11
A y B y que están sujetas a varios criterios, uno de los cuales es el de „Minimización de
la distancia entre origen y destino‟.
Primer paso: Se comienza comparando el primer par de alternativas con respecto a la
acción (Maximizar o Minimizar) indicada por el primer criterio. Si las correspondientes
magnitudes de las alternativas consideradas cumplen la acción del criterio se continúa
con el segundo paso,
Segundo paso: Se calcula la diferencia entre las magnitudes del primer par, y se la
compara con un umbral fijado por el decisor (Umbral de indiferencia). Si la diferencia
es menor que la establecida en el umbral, se considera que ambas alternativas son
indiferentes. Si, en caso contrario, esta diferencia supera al umbral, se acepta que la
respectiva alternativa es superior a la otra del par,
Tercer paso: Se asigna un valor a esa preferencia. Se lleva a cabo mediante funciones
de transferencia que definen la forma de la relación y que también establece el centro
decisor. De acuerdo a la función de transferencia elegida (hay seis tipos distintos) se
aplica una cierta formulación,
Cuarto paso: El valor resultante del tercer paso se multiplica por el peso del criterio
correspondiente,
Quinto paso: Una vez hallados los valores del primer par para todos los criterios, se
suman estos valores,
Sexto paso: Se consideran todos los pares posibles,
Séptimo paso: Se construye una matriz cuadrada de alternativas y en donde se colocan
los valores hallados para cada par de acuerdo al sexto paso,
Octavo paso: Se suman los valores de cada fila de la matriz obteniéndose los resultados
para las alternativas dominantes,
Noveno paso: Se suman los valores de cada columna de la matriz obteniéndose los
resultados de las alternativas dominadas,
Décimo paso: Para cada alternativa se resta el valor de su fila y el de su columna. La
diferencia indica el valor final para cada alternativa,
Décimo primer paso: El ordenamiento esta dado por los valores decrecientes hallados.
12
2.4.2 Operación
El modelo trabaja con un software comercial que facilita los cálculos.
Pesos
Como otros métodos de toma de decisiones a Promethee se le critica cierta subjetividad,
ya que es el centro decisor el que establece los pesos asignados a cada criterio y las
diferentes formas de las funciones de criterio, lo cual puede variar los resultados según el
técnico que haga el estudio (Hidalgo, 2007).
Ordenamiento
Hay varias versiones de Promethee, por ejemplo Promethee I arroja una respuesta de
orden parcial y que permite conocer qué alternativas son incomparables entre sí, lo que
está oculto en la respuesta de Promethee II.
Reversión de ordenamiento
En Promethee existe el problema de reversión de ordenamientos (De Keyser et al.,
1996). Mareschal et al (2006, 2008) explican en qué circunstancias se produce tal
fenómeno, específicamente en Promethee II, y demuestran que la reversión de
ordenamiento es una consecuencia directa del principio de comparación pareada en el
contexto de la decisión multicriterio, y cuál es su origen.
Sensibilidad
Los autores han desarrollado un modelo analítico que permite calcular los intervalos de
estabilidad. El modelo está asociado a un sistema gráfico que muestra un plano
denominado “GAIA” en donde se pueden apreciar en forma inmediata las
consecuencias de cualquier modificación. Una interesante propiedad de este plano es
que permite apreciar en forma visual las relaciones de conflicto que pueden existir entre
criterios, como es por ejemplo si un criterio se refiere a la máxima producción de
energía en una planta térmica, en tanto que otro busca la minimización de la
contaminación atmosférica. Martínez et al (2005) expresan que este plano es muy
conveniente cuando el decisor “no tiene una clara idea de los pesos adecuados y desea
explorar su espacio de libertad”.
2.4.3 Aplicaciones
Promethee ha tenido muchas aplicaciones. Ver Behzadian et al (2010), y tabla 6.4,
Sección 6.4, Capítulo 6. Algunos autores han propuesto el uso combinado con AHP
consultar Macharis et al (2004).
2.5 Método AHP (Analytic Hierarchy Process)
Fue desarrollado por Saaty (1977, 1980).
2.5.1 Fundamentos del método
Es un método que se basa en descomponer jerárquicamente el problema a tratar en sus
elementos componentes. En el más alto nivel de la jerarquía se ubica entonces el
objetivo a alcanzar. El segundo nivel está constituido por los subobjetivos y criterios
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
13
que permitirán evaluar el grado de logro de los mismos por las diferentes alternativas,
que están en un tercer nivel. Un ejemplo de esta jerarquización se muestra en la figura
2.1 Ha tenido y tiene una gran aceptación; se emplea en muy diversos tipos de
proyectos y es quizás hoy en día el modelo más usado. Se caracteriza por su sencillez
aunque también por la carga de trabajo necesaria para establecer las comparaciones.
2.52 Mecánica y etapas del método
La figura 2.1 ejemplifica el mecanismo de descomposición.
NIVEL 1
NIVEL 2
CRITERIOS
NIVEL 3
ALTERNATIVAS
Figura 2.1 Descomposición jerárquica de un problema
2.5.2.1 Determinación de pesos de los criterios
El AHP trabaja en una primera etapa estableciendo comparaciones entre dos criterios y
el objetivo, y en una segunda etapa comparando entre sí un par de alternativas con
respecto a un criterio dado. La primera precede a las segunda. Los siguientes párrafos
aclaran estas dos etapas.
Primera etapa: Ponderación de los criterios
Primer paso: Se comparan los criterios del nivel 2 con respecto a la consecución del
objetivo, estableciendo comparaciones pareadas entre los criterios de un mismo nivel
que el centro decisor analiza sobre la base de una escala de comparación 1-9 establecida
por el autor (Escala de Saaty).
Así, se comparan los criterios C1 y C2 sobre la base del objetivo mediante la
formulación de la siguiente pregunta: ¿„Con respecto al objetivo, cuál es más
importante, el criterio C1 o el C2?‟.
La respuesta a esta pregunta se materializa mediante el empleo de una escala de ratios,
llamada „Escala de Saaty‟ (1980), basada, según su autor, en una teoría de psicología
cognitiva que postula la máxima cantidad de comparaciones que el ser humano puede
realizar. La escala abarca desde el 1 al 9, con valores intermedios cuando hay dudas
entre dos juicios de valor.
Objetivo
C B A
C1 C2 C3 C4 C5
14
Volviendo a la pregunta formulada como ejemplo, el decisor puede contestar que el
criterio C2 es „Moderadamente más importante que C1‟, es decir, expresa una
preferencia, y la cuantifica usando la escala de ratios mencionada más arriba, y
concluye asignando a C2 un cierto valor y a C1 su inverso.
Segundo paso: Cuando esta comparación se realiza para todo los pares de criterios,
queda conformada una matriz recíproca.
Tercer paso: El próximo paso consiste en derivar prioridades para los criterios usando
la técnica del auto valor. Con la obtención de este vector de pesos finaliza la primera
etapa, que ha consistido entonces en asignar pesos a los criterios.
2.5.2.2 Valoración de alternativas
En la segunda etapa se realiza un procedimiento similar de comparación pareada, pero
ahora se analiza cada par de alternativas en función de cada criterio.
Primer paso: Como ejemplo, si se analiza el par A y B de alternativas, una pregunta
podría ser; ¿Considerando el criterio C1, que alternativa es preferida, la A o la B?
El centro decisor puede contestar: „La alternativa B es más importante que la A‟ Por
consiguiente le asigna un cierto valor a la alternativa B, y un valor inverso a la
alternativa A, basado en la escala de ratios.
Segundo paso: Aplicando el auto valor a esta matriz reciproca se obtienen los pesos de
las alternativas con respecto al criterio C1.
Tercer paso: Consiste en multiplicar cada uno de los valores obtenidos por el peso
hallado en el tercer paso de la primera etapa y correspondiente al criterio C1.
Cuarto paso: Se repite este procedimiento para cada uno de los tres criterios restantes.
Quinto paso: Se suman para cada alternativa los valores obtenidos con cada criterio. El
conjunto de resultados permite ordenar las alternativas.
2.5.3 Aplicaciones
Este método se ha utilizado en numerosos casos, y es una de las técnicas más usadas
actualmente con muy variadas aplicaciones y grados de complejidad. Se ha empleado
también combinado con otros modelos de decisión y con lógica difusa. Una aplicación
muy útil del método AHP es que posibilita determinar los coeficientes de la matriz de
decisión cuando no se conocen estos valores, ya sea por falta de datos o por
incertidumbre, dado que permite determinarlos sobre la base de las preferencias del
centro decisor y en función de los criterios. Por este motivo en muchas oportunidades se
integra este método con otros, que trabajan entonces como punto de partida con los
valores hallados por AHP.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
15
2.5.4 Método ANP (The Analytic Network Process for Decision Making with
Dependence and Feedback)
Esta herramienta ha sido también desarrollada por Saaty (2003); es una generalización
del método AHP, y trabaja con dependencias y retroalimentación. El modelo, que opera
bajo los mismos principios del AHP, hace posible una interacción y retroalimentación
dentro de clústers de criterios y de alternativas y entre los mismos, lo cual permite
desarrollar un modelo matemático que replica con mayor exactitud que el AHP
escenarios reales donde juegan intrincadas y complejas relaciones. ANP trabaja con
clústers o conjunto de elementos en lugar de que estos elementos estén agrupados en
niveles, y su resolución se simplifica gracias al empleo de un software.
Las prioridades derivadas de las comparaciones pareadas se introducen en una matriz no
ponderada (unweighted matrix). Posteriormente, los valores de esta matriz se
multiplican por el peso de los clústers y se obtiene la súper matriz ponderada (weighted
matrix). Finalmente elevando esta matriz a potencias sucesivas se alcanza un límite en
el cual concluye el cálculo y que contiene los resultados finales. Esta última matriz se
denomina matriz limite (limit matrix).
La gran ventaja de este procedimiento de elevación a potencias es que se tienen en
cuenta todas las relaciones directas e indirectas entre los distintos elementos.
2.6 Método Multi-attribute Utility Theory (MAUT)
Su nombre proviene de determinar funciones de utilidad2 con el objeto de transformar
los coeficientes aij de las alternativas (magnitud preferencial) a una escala común y que
es adimensional. Fue desarrollado por Keeney and Raiffa in 1976 (Keeney et al, 1976).
Ha sido uno de los primeros métodos desarrollados para tratar el problema de decisión;
requiere la construcción parcial de funciones de utilidad y su posterior agregación en
una función de utilidad general por adición o multiplicación (Kenney et al, 1993).
Se parte de una matriz de decisión con alternativas y criterios, y el método consiste en
determinar para cada alternativa u opción, una función de utilidad que indica en qué
forma se agregan los valores resultantes para cada criterio ponderado. En el caso más
simple, el valor de una alternativa esta dado por la ecuación (2.1).
xj = j = 1,….,n. (2.1)
siendo:
xj: Valor de la alternativa j,
wi: Peso del criterio 1,
aij: Magnitud preferencial
2 En Economía se define como „utilidad‟ al grado de satisfacción que produce un bien.
16
En casos más complicados, hay un método para determinar los pesos a asignar a los
criterios, propuesto por Edwards (1977), que consiste en clasificar los criterios desde el
menos importante al más importante, asignando al primero el valor 10 y valores más
elevados en orden de importancia. Los pesos finales se obtienen mediante
normalización de estos valores. A continuación se asignan probabilidades a las
alternativas para cada criterio. La utilidad correspondiente a cada alternativa se obtiene
como producto de esta probabilidad por el peso del correspondiente criterio. La suma de
estos productos para cada alternativa suministra su valor de la utilidad, lo cual permite
ordenarlas.
2.7 Método de Programación Lineal (PL)
La Programación Lineal es una técnica que trata de la resolución de problemas de
carácter lineal, en donde se trata de optimizar, ya sea maximizando o minimizando una
función lineal, llamada „objetivo‟ y que está sujeta a una serie de restricciones
representadas por inecuaciones lineales y cuyas variables, que representan las incógnitas
del problema, sólo puede tener valores positivos.
2.7.1 Breve historia de la técnica
Fue desarrollada por Leonid Kantoróvich, (1959) para la asignación óptima de recursos
en una economía, trabajo por el cual obtuvo el Premio Nobel de Economía en 1975
conjuntamente con Tjalling Koopmans. En 1947, George Dantzig (Dantzig, 1948), creó
un algoritmo que denominó „Simplex‟ para la resolución de problemas logísticos
mediante PL, y que desde entonces es el método por antonomasia de la PL, y está
considerado como una de las más importantes contribuciones matemáticas y que mayor
influencia ha tenido en el siglo XX.
A mediados de la década de 1980 aparecieron los primeros programas computacionales
para resolver problemas de ecuaciones lineales en PC, aplicando el Simplex, y al día de
hoy hay numerosos programas para ello.
2.7.2 Fundamentos de la Programación Lineal
Dado que el procedimiento Simus está basado en la PL, es conveniente, antes de
describirlo y analizarlo, realizar una breve introducción a esta técnica para tener una
idea de su estructura básica, la cual tiene tres elementos característicos que son:
La función objetivo (Z), es decir, el propósito o fin que se desea alcanzar.
Está expresada por una ecuación lineal que incluye las alternativas representadas
como incógnitas, y los coeficientes que las afectan. La típica función objetivo en PL
contiene un solo objetivo (problema monoobjetivo), e indica además si la acción es
de maximizar o minimizar. Es una función indefinida ya que no cuantifica el alcance.
Así, se dice por ejemplo, „Maximizar la producción industrial‟, „Minimizar el coste
ecológico‟, o „Igualar el monto asignado‟. Un ejemplo de una función objetivo es:
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
17
Z = 8x1 + 7,6x2+ 5x3 + 2x4 (Maximizar) (Por ejemplo, la producción
industrial)
Las xj representan a las diversas alternativas discretas cuyo valor, y en consecuencia
su ordenamiento, se quiere establecer. Los coeficientes que afectan a esas variables
se determinan de acuerdo al tipo de problema; por ejemplo, si nos estamos refiriendo
a beneficios, cada coeficiente indica el beneficio asociado a cada unidad de las
alternativas. Cuando la función objetivo incorpora varios objetivos, el problema se
transforma en multiobjetivo y en ese caso hay diversos valores de Z, por ejemplo,
para tres objetivos:
Z = 8x1 + 7,6x2 + 5x3 + 2x4 (Maximizar)
(La producción industrial)
Z‟ = 0,5x1 + 1,02x2 + 0,75x3 + 0,38x4 (Minimizar)
(El coste ecológico)
Z‟‟= 8x1 + 7,6x2 + 5x3 + 2x4 (Maximizar)
(El ingreso per cápita)
Aunque la PL clásica es monoobjetivo, se han hecho esfuerzos para tratar de
utilizarla en múltiples objetivos. El presente trabajo, es uno de esos esfuerzos,
aunque en este caso la solución hallada no es óptima sino satisfaciente.
La matriz de decisión se ilustra en la tabla 2.1 y está formada por:
- Matriz de elementos o coeficientes „aij‟ que indican la participación de cada
alternativa para cumplimentar cada criterio. En columnas se indican las alternativas
„Aj‟ en tanto que en filas están los criterios „Ci‟.
Tabla 2.1 Elementos constitutivos de la matriz de decisión
ALTERNATIVAS
A1 .... Aj …. Am Operador Término Acción
independiente
CRITERIOS
Ci ai1 …. aij …. aim ≥ bi (Minimizar)
…. …. …. …. …. …. ….
…. …. …. …. …. …. ….
Ck ak1 …. akj …. akm ≥ bk (Minimizar)
…. …. …. …. …. …. ….
…. …. …. …. …. …. ….
Cl al1 …. alj …. alm ≤ bl (Maximizar)
…. …. …. …. …. …. ….
…. …. …. …. …. …. ….
Cn ani …. anj …. anm = bn (Igual a…)
18
Donde:
A= Alternativas Aj j = 1--------------m
C = Criterios Ci i = 1--------------- n
- Acción a realizar, indicada mediante los operadores „≥‟, „≤‟, „=‟.
- Vector (B) que indica los términos independientes „bi‟ para cada criterio.
Como se aprecia, cada criterio tiene la forma de una inecuación lineal y está sujeto a
una acción que puede ser „Maximizar‟, „Minimizar‟ o „Igualar‟. En PL los criterios
Ci deben ser cuantitativos.
Cada una de las inecuaciones de la tabla 2.1 puede expresarse de la siguiente manera,
por ejemplo tomando el criterio C2.
a21 .A1 a22.A2 a23 A3 ≥ b2 (2.2)
en donde A1, A2 y A3 son las alternativas y aij los coeficientes que las multiplican. Si
esta formulación se repite para todas las filas queda formado un sistema de
inecuaciones, que es la base del método de PL.
- Los términos independientes „bi‟ que pertenecen al vector B, son los límites
impuestos a cada criterio. Estos pueden ser valores en unidades tales como m3, km,
%, Euros, número, etc., naturalmente, en consonancia con las unidades de los
coeficientes de las respectivas filas. Debido a que los criterios pueden abarcar
infinidad de situaciones económicas, sociales, ambientales, de capacidad, etc., el
conjunto de las filas puede mostrar una gran variedad de unidades de medida.
El problema consiste entonces en optimizar una función objetivo sujeta a todas las
restricciones impuestas por los criterios.
Resolución del sistema
Matricialmente, este sistema de inecuaciones se expresa según la ecuación matricial
(2.3).
A x X = B (2.3)
En donde:
A: Es la matriz compuesta por el conjunto de coeficientes aij.
X : Es el vector de las alternativas
B: Es el vector de los términos independientes
La PL trabaja en múltiples dimensiones (tantas como n-variables o alternativas haya), y
en donde no hay límite para la cantidad de variables a considerar. Los criterios, tantos
como se deseen, constituyen hiperplanos en el espacio n-dimensional. Estos hiperplanos
definen un politopo dentro del cual se encuentra el conjunto de todas las soluciones
factibles al problema dado; sin embargo, las que interesan son las soluciones eficientes
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
19
que forman parte de este conjunto, y que se encuentran en los vértices del politopo. La
solución óptima es aquella que pertenece a la tangencia entre la función objetivo y uno
de estos vértices. Esta solución óptima - si existe - se alcanza empleando el algoritmo
del Simplex.
Este algoritmo, en esencia, trabaja mediante iteraciones; para cada una encuentra un
punto eficiente del politopo, entonces avanza sobre su frontera para encontrar una
solución mejor, y se detiene cuando llega al vértice que corresponde al óptimo o
solución óptima. Para ello, en cada interacción computa el vector X - que caracteriza a
cada vértice eficiente - mediante la inversión de la matriz, de acuerdo a la fórmula (2.4):
X = B x A-1
(2.4)
Para verificar si hay una mejor solución, compara en cada iteración y para cada
alternativa la diferencia entre el valor del funcional (considerando los valores
recientemente hallados) y el respectivo coeficiente asignado originariamente a la
función objetivo para esa alternativa, es decir (Zj - Cj). Este procedimiento se repite
hasta encontrar el punto de óptimo (si es que existe).
Hay numerosos programas computacionales que desarrollan el Simplex y naturalmente,
cualquiera de ellos puede aplicarse para resolver este problema. En esta tesis, el
problema se plantea en una planilla de cálculo Excel y se resuelve mediante el empleo
del programa „Solver‟ que está incorporado a Excel. Los datos se cargan en Excel, el
Solver los toma, los procesa de acuerdo al algoritmo del Simplex, y devuelve la
solución a la planilla de cálculo.
Los coeficientes aij se determinan de diversas maneras, ya sea por valores cuantitativos,
como „Capacidad de producción‟ o con valores cualitativos derivados, por ejemplo, de
preferencias que representan las valoraciones que el centro decisor asigna a las
alternativas, respecto a cada criterio.
2.7.3 Metodología de la PL aplicada la resolución problemas de decisión
Esta comienza con la obtención de los distintos elementos que la componen y que son:
- Objetivos: Los fija el promotor del proyecto, el centro decisor y/o las partes
interesadas, y lógicamente dependen de la naturaleza del proyecto. Así, hay objetivos de
maximización de beneficios, de minimización de costos, de minimización de riesgos, de
maximización de una producción, de maximización del bienestar, de minimización de
daños ambientales, de igualar fondos disponibles, etc.
Los objetivos son expresiones indefinidas en el sentido de no establecer logros
cuantitativos: un objetivo del problema puede ser „Minimizar el impacto ambiental‟, o
„Maximizar el beneficio económico‟. En PL el objetivo es una función lineal de las
alternativas.
20
- Proyectos o alternativas de un proyecto: Dependen del tipo de problema y
normalmente se trata de un número discreto. Pueden ser unas pocas o cientos. Por
ejemplo, en un proyecto de localización industrial, las alternativas u opciones son los
sitios o lugares que presentan las características adecuadas para la industria de que se
trate, ya sea porque son puertos, porque son ciudades conectadas a una amplia red de
transporte, por la existencia de mano de obra calificada, por beneficios impositivos, por
la existencia de proveedores, etc.
- Criterios: Son restricciones en forma de inecuaciones lineales que se emplean para
evaluar las alternativas y están orientados a la consecución del objetivo u objetivos
deseados. Pueden ser cuantitativos, cuando expresan relaciones tangibles como por
ejemplo „Capacidad de transporte de barcos portacontenedores‟, „Longitud en km de
un gasoducto entre dos puntos A y B‟, „Fondos totales disponibles‟, etc.
Son cualitativos cuando se refieren a preferencias y en general con incertidumbre. Por
ejemplo „Riesgo aceptado en la demora en la ejecución de un proyecto‟, „Posibilidad de
encontrar condiciones adversas en el transporte por tierra de grandes equipos‟,
„Reacción de la población con respecto a un proyecto‟, etc.
A pesar de tener la misma naturaleza que los objetivos, ya que ambos son funciones
lineales de las mismas variables, los criterios constituyen los pasos o metas para
alcanzar el objetivo, y están acotados en su accionar por valores limites, que
corresponden a los términos de la derecha de cada inecuación.
- Coeficientes: Son las magnitudes que indican la participación de cada alternativa para
cada criterio. Por ejemplo, si el criterio se refiere a la „Potencia instalada‟, cada
coeficiente suele indicar la potencia que puede generar cada alternativa de producción
eléctrica. Si el criterio es cualitativo, como por ejemplo „Beneficios ambientales para la
población‟, el coeficiente será una magnitud que de alguna manera refleje la
correspondiente participación en la obtención de esos beneficios. Hay varias formas de
obtener estos coeficientes, ya sea por una apreciación entre 1 y 10 por ejemplo (o en
cualquier otro intervalo), y que traduzcan apreciaciones subjetivas en valores
cuantitativos, o bien pueden emplearse técnicas como AHP (Saaty, 1980).
- Términos independientes, límites, términos de la derecha: Constituyen una
característica esencial de la PL y son valores cuantitativos que limitan el alcance de los
criterios. Pueden estar expresados en cualquier tipo de unidades y ser fracciones
decimales o números enteros. Se introducen límites de mínima, tal como los que
establecen la cantidad mínima de agua que un municipio debe suministrar diariamente a
cada persona del mismo. O pueden ser de máxima, como por ejemplo, el contenido
máximo admisible de SOx procedente de una planta eléctrica que quema combustibles
fósiles. O tambien referirse a intervalos, tal como el establecido por los límites entre los
cuales pueden variar los metros cuadrados por persona en un proyecto de construcción
de viviendas. Los hay referidos al tiempo, como los que establecen límites para que una
ambulancia responda a un pedido, etc.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
21
2.7.4 Modelado de una situación real
El problema se modela en una planilla de Excel, es decir se establece la matriz de
decisión que consiste en los siguientes pasos:
Primer paso: Se colocan en columnas las alternativas y en filas los criterios de
selección, que constituyen las restricciones del problema,
Segundo paso: En las intersecciones de las columnas con las filas se colocan los
coeficientes de las alternativas, o sea los valores con que cada alternativa contribuye al
propósito de cada meta o criterio,
Tercer paso: Se indica el sentido de la acción para cada meta mediante los
correspondientes operadores, o sea (≤), (acción de maximizar), (≥) (acción de
minimizar) o (=) (acción de igualar). Queda entonces formado un sistema de
inecuaciones,
Cuarto paso: Se definen los límites para cada meta en una columna del lado derecho del
sistema de inecuaciones,
Quinto paso: Se plantea el objetivo en forma lineal es decir en función de las
alternativas del problema,
Sexto paso: Se ejecuta el algoritmo del Simplex mediante cualquier programa adecuado,
Séptimo paso: El resultado, o sea los valores correspondientes a cada alternativa se
registrará en la fila de Excel que haya elegido el usuario. De aquí, se deduce el
ordenamiento de alternativas.
Cada vez que se resuelve un problema de este tipo (problema primal), se genera su
„problema espejo‟ que es el „problema dual‟. Los valores de la incognititas del dual
corresponden a las restricciones del primal y su interpretación es que son valores
marginales de éstas. En consecuencia, su conocimiento permite determinar como
cambia o se modifica el valor de la función objetivo para variaciones unitarias de los
criterios. Esta muy importante característica de la PL permite realizar un profundo
análisis de sensibilidad.
2.7.5 Aplicaciones
Son innumerables las aplicaciones de la PL y en campos tan disímiles como producción,
finanzas, cuencas hídricas, localización industrial, etc. Dutta et al (2001), citan
aplicaciones por rubros tales como la industria siderurgia, optimización de la
producción, mezclas de productos, programación, inventario y distribución, y
almacenamiento. Véase también tabla 6.4 en la sección 6.4, Capítulo 6. Yi-Chun
22
(2008), refiriéndose a la PL, manifiesta que “Today (LP) is a standard tool used by
some companies (around 56%) of even moderate size”.
2.7.6 Fundamentos de la Programación por Metas (Goal Programming)
Este método fue desarrollado por Charnes y Cooper (1961), y probablemente constituyó
el primer intento en resolver por PL problemas con múltiples objetivos. Es una
extensión de la PL, sin embargo no aspira como ésta a alcanzar una solución optima,
sino una solución lógica satisfaciente (Romero, 1996).
Este método ha sido explicado y aplicado en numerosas actividades. Para su discusión y
ejemplos consultar Ignizio et al (1994), (Jones et al, 2010) (Romero, 1991, 1996).
Su aplicación consta de los siguientes pasos:
Primer paso: Fijar los diferentes objetivos del problema y sus restricciones,
Segundo paso: Introducir en cada uno variables de desviación positivas y negativas. Las
primeras expresan en cuánto se permite que se exceda el valor de aspiración del
objetivo, en tanto que las segundas indican en cuánto se permite que dicho valor no
llegue a cumplirse,
Tercer paso: Planteamiento de la matriz de decisión,
Cuarto paso: Aplicar programación lineal o no lineal según el caso para resolver el
problema, y cuyo objetivo es la minimización de las desviaciones.
Esta minimización puede efectuarse de distintas maneras, por ejemplo, se determina una
función objetivo única que contenga todas las desviaciones. Existe también el sistema
de metas lexicográficas y en el cual se asignan valores de importancia o prioridades a
los diferentes objetivos. Para una explicación accesible de estos procedimientos,
consultar Romero (1996).
Según este investigador, una gran ventaja de la programación por metas es que permite
combinar la lógica de la optimización con los deseos del centro decisor.
2.7.7 Método Simplex multiobjetivo
Como su nombre lo indica, aplica el método Simplex para resolver problemas con
múltiples objetivos. Para ello se emplea una matriz de decisión o cuadro del Simplex, en
donde se agregan filas adicionales por encima y por debajo de la matriz de decisión. Las
inferiores corresponden a los diferentes objetivos en tanto que las superiores pertenecen
a los coeficientes de esos mismos objetivos. En general se utiliza el algoritmo de
Zeleny (1974).
Una explicación accesible de esta metodología se ilustra con un ejemplo en Zavala et al
(2007).
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
23
2.8 Método Topsis (Technique for Order Preference by Similarity to Ideal
Situation)
Desarrollado por Hwang et al (1981).
2.8.1 Fundamentos del método
Pertenece a la categoría de los métodos que buscan la menor distancia a una solución
ideal. Este modelo se destaca por su sencillez y por la transparencia del procedimiento.
Está basado en la premisa de que es racional elegir un resultado que esté lo más cerca
posible de una situación ideal y lo más lejos posible de la anti ideal (Zeleny, 2000).
Parte de la base de considerar una solución ideal a un problema, es decir aquella que
corresponde a los mejores valores de los coeficientes de las alternativas para cada
criterio y determina entonces un „punto ideal positivo‟, y la „solución ideal positiva‟
sería entonces aquella que incorporara las correspondientes alternativas. Determina
también, de manera similar, cuales son los peores valores y encuentra un punto „ideal
negativo‟. Entonces la „solución ideal negativa‟ sería aquella que incorporara las
correspondientes alternativas.
Lo que se persigue es que una alternativa esté lo más cerca posible del ideal positivo y
lo más lejos posible del ideal negativo. Sin embargo, si hay dos alternativas, A y B por
ejemplo, la A puede estar más cerca del punto ideal positivo que la B y ser entonces la
preferida, pero la B puede hallarse a mayor distancia del ideal negativo que la A y sería
en consecuencia la mejor, quedando entonces la dificultad de cual elegir.
Para ello se calcula un „índice de similitud‟, que “combina la proximidad a la solución
ideal positiva con la lejanía respecto a la solución ideal negativa, y que tiende entonces
a maximizarla distancia relativa al ideal negativo respecto a la suma de las distancia
positivas y negativas” (Alberto et al, 2004).
El cálculo de las distancias „L‟ a cada solución ideal se lleva a cabo por una fórmula
sencilla y afectada de un exponente (métrica „p‟), que corresponde a la Distancia
Euclidiana (p=2). Es decir, lo que se busca es una solución eficiente y de compromiso
entre las soluciones factibles.
Si los pesos wi son iguales, y la métrica es igual a „1‟, entonces p = 1 y se generan líneas
rectas de isoutilidad. Si los pesos wi son iguales, y la métrica es igual a 2, las líneas de
isoutilidad son curvas. En un problema de dos dimensiones y dos objetivos, la solución
se encuentra en la tangencia de las curvas de isocoste con el polígono de las soluciones
(Jaramillo, 2002).
Una metodología similar la „Programación Compromiso‟ también busca una solución
de equilibrio que se logra con L∞, que es algo muy atractivo para la selección (Romero,
1996a), en cambio para L1 la solución puede estar fuertemente desequilibrada.
24
2.8.2 Aplicaciones
Existen muchas aplicaciones de Topsis muy especialmente en relación con lógica
difusa. Ver Figueira et al (2005) y tabla 6.4, Sección 6.4, Capítulo 6.
2.9 Comparación de resultados alcanzados por los distintos modelos en un caso
específico
Es evidentemente difícil contrastar resultados de los distintos métodos debido a sus
diferentes características, y es probable que la dificultad estribe en encontrar un
parámetro común de comparación. Surge entonces como alternativa razonable, pensar
que una disyuntiva podría ser resolver un mismo problema por diferentes métodos y
examinar los resultados, y eso es lo que han llevado a cabo varios investigadores. Así,
Wolfslehner (2002), describe un caso real en donde se comparan 4 alternativas
empleando 8 criterios y resolviendo el problema con los siguientes métodos: Smart -
AHP – ANP – Promethee I/II y Electre III. A fin de comprobar en forma heurística la
hipótesis planteada de que en esencia todos los métodos deben arrojar resultados
equivalente cuando se aplican a la resolución de un mismo problema, a continuación se
analiza un caso real que fue resuelto usando el modelo Regime conjuntamente con
AHP. El mismo problema, con 4 alternativas y 20 criterios ha sido resuelto por ANP,
Simus, Promethee y Topsis y se han comparado los resultados obtenidos.
2.9.1 Estudio comparativo de un caso: Revalorización del aeropuerto de Maastricht
El proyecto se refiere a una reevaluación del aeropuerto de Maastricht, en Holanda, un
trabajo llevado a cabo por Vreeker et al. (2001), y titulado „A multicriteria decision
support methodology for evaluating airport expansion plans‟
El resultado de la comparación se muestra en la tabla 2.2.
Tabla 2.2 Resultados de los distintos modelos para el aeropuerto de Maastricht
ALTERNATIVAS
A B C D
MODELOS Fuente
Regime/AHP/Flag 0,34 0,94 0,61 0,11 Vreeker et al (2001)
AHP 0,07 0,18 0,15 0,09 García et al (2009)
ANP 0,05 0,09 0,08 0,06 García et al (2009)
Promethee -0,25 0,19 0,01 0,00 García et al (2009)
Topsis 0,57 0,73 0,35 0,50 Munier (2011)
Los correspondientes ordenamientos se muestran en la tabla 2.3.
Tabla 2.3 Ordenamientos de acuerdo a cada modelo
MODELOS ORDENAMIENTOS
Regime/AHP/Flag B – C – A - D
AHP B – C – D - A
ANP B – C – D - A
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
25
Promethee B – C - A
Topsis B – A – D - C
Como se aprecia, es elevada la similitud de resultados a pesar de emplear cinco modelos
distintos y, si bien un ejemplo no es suficiente para comprobar una hipótesis, es
evidente que tanto la lógica como el desarrollo práctico tienden a indicar que existe una
equivalencia de resultados, especialmente cuando se piensa que pueden existir, como en
este caso, un total de 4! = 24 ordenamientos distintos.
2.9.2 Resumen sobre las dificultades encontradas
Como resumen de este tema, es indudable que todos los modelos tienen sus pros y sus
contras, pero lo que resulta evidente es que hay proyectos para los cuales conviene
emplear un determinado modelo. Lógicamente, esto provoca como consecuencia, una
tarea adicional para el centro decisor, quien debe inclinarse por uno u otro método.
Entendemos que los factores que ocasionan distorsión en estos modelos no son los
procedimientos en sí, sino que responden a las diversas formas de tratar la información,
y esto afecta a todos ellos, incluyendo la PL y Simus. Por otro lado, es de hacer notar
que no todas las imperfecciones, son atribuibles a los modelos, ya que muchas de ellas
comienzan con la forma en que se obtienen los datos y la selección de los criterios.
En muchos casos las dificultades responden a la necesidad de completar datos, o a
situaciones sobre las que no hay antecedentes, o porque no se conocen con exactitud los
factores que influyen sobre el problema, pero en muchos otros surgen como
consecuencia de la opinión o preferencia del centro decisor y sus colaboradores, o de lo
que desea el promotor del proyecto. Es probablemente ilusorio pretender un sistema que
elimine las subjetividades, que son inherentes a todo proyecto, pero sí se entiende que
pueden reducirse, sobretodo acotando las apreciaciones personales y preferenciales, y se
entiende que la PL y el procedimiento Simus puede aportar soluciones para
disminuirlas.
2.10 Comparación entre modelos
Referente a esta comparación una revisión de la literatura muestra que ésta es muy
escasa, y la que existe se limita a contrastaciones parciales entre modelos y para un caso
dado. En el proyecto Pittsburg Area Transportation Project (1999), se corrobora esta
afirmación cuando se expresa que "….Sin embargo, a pesar de que existe un alto grado
de investigación sobre los modelos, no hay abundante literatura sobre su
comparabilidad”. Por otro lado hay investigadores que manifiestan que la
comparabilidad carece de sentido, ya que se emplean modelos distintos y que trabajan
con distintos procedimientos.
26
Estimamos que esta comparabilidad es posible y deseable, y que si, hipotéticamente se
conocieran los valores reales en un caso dado, con respecto a pesos, niveles, funciones
de transferencia, escalas, etc., todos los modelos deberían coincidir en sus resultados.
Hay naturalmente subjetividad, inherente al proceso de decisión, pero ésta es la misma
para todos los modelos ya que se habla de un mismo centro decisor. En realidad, lo que
se está modelando son sus preferencias y lo que varía es la forma de tratar esas
preferencias porque se manejan distintas escalas y diferentes formas de agregar y medir
la preferencia del centro decisor. Por ejemplo a pesar de su similitud, el método Maut y
el AHP emplean escalas diferentes, el primero usa escalas de intervalos en tanto que el
segundo utiliza escalas ratio. En forma similar, y si se consideran Electre y Promethee la
diferencia radica en que la preferencia se mide considerando la fuerza de los criterios a
favor utilizando los pesos, lo que puede ocasionar discrepancias en los resultados,
influyendo asimismo si se considera compensación o no.
Esta comparabilidad e igualdad de resultados es también postulada por Martínez (2005)
cuando dice, al finalizar un estudio comparativo ente los modelos AHP y Promethee,
que “Podemos concluir que si existe una solución clara, sea cuál sea el método que se
tome, probablemente se llegará a dicha solución. Por su lado Triantaphyllou (1998),
basado en sus experiencias apunta que “La mejor alternativa es la misma
independientemente del modelo elegido”.
CAPÍTULO 3 EL PROCEDIMIENTO SIMUS (Sequential Interactive Model for Urban Systems)
3.1 Fundamentos de Simus
El método Simus es un procedimiento heurístico basado en la PL que permite trabajar
tanto con criterios cuantitativos como cualitativos y que, además, es capaz de manejar
problemas con objetivos múltiples. A diferencia de la PL, no produce resultados
óptimos sino soluciones satisfacientes, al igual que los modelos existentes.
3.1.1 Análisis del problema y relación con otras técnicas afines
Considerando Simus con relación a otros métodos, existen técnicas consagradas que
persiguen resultados afines, pero no iguales a los de la PL, tales como el „Clúster
Analysis‟, el „Significance Analysis‟ y el „Metodo DPSIR‟, por lo tanto se considera que
resuelven problemas de distinta índole y que por lo tanto no constituyen técnicas
alternativas para resolver un problema de toma de decisiones.
Por ejemplo el „Cluster Analysis‟ o „Análisis de Grupos‟, se emplea para agrupar datos
y que estén relacionados, sean significativos y útiles, y puede usarse para clasificar la
información a suministrar al modelo de PL, pero esta técnica no está diseñada para
ordenar un conjunto de datos de acuerdo a su cumplimiento de restricciones y en
función de un objetivo, como lo hace la PL.
El „Significance Analysis‟ o „Análisis de Importancia‟ es una técnica estadística para
determinar si una variable es significativa con respecto al cambio de un resultado desde
el punto de vista operativo y no debido al azar. En realidad se puede considerar que la
PL permite realizar una función similar, pero sin considerar la aleatoriedad, cuando se
analiza el dual de un problema directo, ya que permite comprobar cuál es la importancia
relativa de cada restricción cuando se varía en una unidad su término independiente,
pero no es un modelo estadístico.
El „Modelo DPSIR‟ tiene una aplicación directa en ciertos problemas de PL. Es en
realidad un marco de referencia o „framework‟ originado por la OCDE y una aplicación
práctica del mismo en el ámbito de la PL puede apreciarse en el primer trabajo
publicado que se menciona en esta tesis. Ver al efecto las filas de „Pressure‟,
„Condition‟ y „Response‟, (ver figura 5.1 en la página 60 de este trabajo).
Si bien es cierto de que algunas de estas técnicas han sido objeto de tratamiento en
trabajos mas recientes como en Calderón et al, (2009) y Joumard et al (2010), también
hay que considerar que en ambos casos se aplican a problemas de transporte, disciplina
28
que no se trata en este trabajo. Por ejemplo, el trabajo de Joumard se refiere a
sostenibilidad en el transporte, donde normalmente se entiende que no es posible
trabajar con valores cuantitativos y cualitativos como lo hace el ejemplo de la tesis. Por
otro lado el trabajo de Joumard habla de la „Cadena de causalidad‟, aspecto éste que
también se considera en este trabajo de tesis cuando se desarrolló el concepto de „Matriz
encadenada‟, en el acápite 3.2.1 (página 31) donde se la define, y cuya aplicación
práctica se muestra en la figura 3.1 (página 32) para un proyecto de energía eólica.
3.1.2 Mecánica operativa
La mecánica que se sigue en este trabajo utiliza dos elementos de amplia difusión que
son la hoja Excel de cálculo y un agregado, el software Solver, para la resolución de
problemas de decisión mediante el algoritmo del Simplex de Programación Lineal (PL),
aunque puede emplearse cualquier otro software que emplee dicho algoritmo, tal como
Lingo, Lindo, WinQSB, etc.
El problema a resolver se plantea en forma matemática construyendo en Excel una
matriz de decisión, que es por otro lado el punto de partida de todas las metodologías
para MCDA (Análisis para Decisiones Multicriterio). Los datos para construir la matriz
de decisión pueden provenir de diversas fuentes y procedimientos - cuya obtención y
análisis no es el objeto de esta tesis - que busca en cambio emplear esos datos para
realizar el proceso de selección de alternativas.
La transferencia de datos entre Excel - o sea desde la matriz de decisión - al Solver, se
lleva a cabo indicando en diversas ventanas de este último cómo encontrar en Excel la
información pertinente. Así, se establece la fórmula de la función objetivo identificando
la celda de Excel en donde se encuentra dicho dato y cuál es la acción que se quiere
efectuar (maximizar el objetivo, minimizarlo, o que iguale a un cierto valor numérico).
Se le informa también al Solver en qué lugar de Excel colocar el resultado, lo cual se
lleva a cabo expresando el rango de columnas que abarca sobre una misma fila de la
hoja de cálculo. Finalmente se le comunica a Solver acerca de todas las restricciones
existentes indicando la ubicación de cada una en Excel, como así también el sentido de
la acción en cada caso (maximizar, minimizar, o igualar la respectiva restricción), y
señalando asimismo la ubicación en Excel de la celda que contiene el término
independiente correspondiente a cada fila. Si se desea que el resultado quede expresado
en números enteros o en el sistema binario (‟0‟ y „1‟) se le indica también e Excel esta
condición.
No hay límite para la cantidad de restricciones a considerar y existe además la
posibilidad de instruir al Solver sobre la precisión con la cual se desea trabajar, es decir
qué porcentaje se admite razonable para que se cumpla una restricción, (y que es
generalmente muy pequeño), así como sobre la cantidad de iteraciones (normalmente
100 ó más), y la condición de que debe suministrar solo valores finales no negativos. El
modelo permite especificar una serie de condiciones reales, tales como precedencias
obligatorias entre alternativas (es decir que no se puede elegir una sin haber
previamente elegido otra; por ejemplo, no se puede escoger un proyecto de asfaltado de
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
29
una avenida si no se ha elegido también efectuar previamente el alcantarillado de la
misma), o condiciones de obligatoriedad (como las que se presentan en proyectos en
donde al momento del análisis hay ya un proyecto en ejecución y que debe entonces
estar obligatoriamente dentro de la solución final), o indicar que se admiten mezclas de
alternativas (tal como aceptar la unión temporaria de empresas en una licitación).
Como queda dicho, el Solver resuelve el problema considerando todas las restricciones
planteadas; si hay una solución factible lo indica taxativamente, y transfiere los
resultados a Excel. Si no hay solución factible también lo anuncia, y aunque no expresa
directamente la causa, ésta puede inferirse observando los valores parciales obtenidos
para las restricciones.
Desgraciadamente, el método de PL permite operar sólo con un objetivo y con
restricciones cuantitativas. El objeto de esta tesis es proponer un método que amplía
considerablemente el campo de aplicación de la PL al permitirle trabajar con múltiples
objetivos – tanto como se deseen – y con restricciones cuantitativas y cualitativas y aun
con una mezcla de ambas, a fin de poder resolver problemas que no puede abordar la
PL, y que son por otro lado, los más frecuentes en la práctica.
El objeto de esta tesis es proponer un método que amplía considerablemente el campo
de aplicación de la PL al permitirle trabajar con múltiples objetivos – tanto como se
deseen – y con restricciones objetivas y subjetives y una mezcla de ambas, a fin de
poder resolver problemas que no puede abordar la PL, y que son por otro lado, los mas
frecuentes en la práctica..
3.1.3 Arquitectura de Simus
Simus está compuesto de tres módulos o rutinas (1, 2 y 4)3 que complementan el
algoritmo del Simplex en la resolución de un problema, y si bien el procedimiento es de
aplicación general, el empleo de los módulos depende de las características de cada
problema. A este respecto, Simus se emplea para resolver dos tipos de problemas,
ambos complejos, que son:
Tipo 1: Problemas con cualquier cantidad de alternativas y restricciones, con criterios
cuantitativos y cualitativos, con o sin mezcla de ambos, y con una o varias funciones
objetivo, con resultados fraccionarios, enteros o binarios.
Tipo 2: Problemas relacionados con la selección de un número relativamente pequeño
de indicadores (conjunto o núcleo final), a fijar por el usuario, a partir de una cantidad
elevada (conjunto inicial), sujetos a distintas restricciones y con un solo objetivo, que
es la maximización de la cantidad de información del entorno, que está contenida en el
conjunto inicial de indicadores. Como ejemplo, si se tienen 187 indicadores
3 El módulo 3, que no se aplica en este trabajo, se emplea para analizar la diferencia entre dos
proyectos o alternativas que registran valores que permiten catalogarlos como „indiferentes‟
en el ordenamiento.
30
medioambientales que definen el entorno medioambiental de una región, se desea tener
un conjunto final reducido de quizás no más de 25 indicadores, que concentre la mayor
cantidad posible de información sobre el estado y evolución de ese entorno.
3.2 Diagrama de flujo para la aplicación de Simus a problemas de tipo 1
Es evidente que el empleo de cualquier método para la toma de decisiones necesita
disponer de la información más confiable posible. Desde este punto de vista, e
incorporado en el procedimiento Simus, se prevé el uso de varias herramientas tales
como el análisis por grafos, las matrices encadenadas, las curvas de impacto, y las
matrices 0-1 para procesar la información recogida.
Para armonizar este compendio de información (fuentes) y relacionarlas con el
procedimiento Simus se ha preparado el diagrama de flujo de la figura 3.2, relativo al
empleo de los módulos 1 y 2, y la figura 3.3 para el módulo 4, ambos diagramas en sus
fases de Análisis, Modelación y Resultados.
3.2.1 Fuentes
Es imprescindible contar con información confiable y que proceda de diferentes fuentes,
y la cual es además básica y dependiente del tipo de problema, para la selección de la
cantidad y tipo de criterios a emplear para la evaluación de alternativas. Es por otro lado
impracticable tratar de identificar todas las fuentes necesarias para obtener datos habida
cuenta de la gran cantidad posible de proyectos; sin embargo, para proyectos de
ingeniería, que se entienden son los más complejos, se parte de las siguientes fuentes:
Estudio de factibilidad o de pre factibilidad que nos informa de las características
generales del proyecto y que permiten en la mayoría de los casos hacer una apreciación
aproximada de los costes.
Proyecto preliminar. Es decir, un documento también aproximado pero en donde se
especifican las características constructivas, que permite aquilatar las dificultades, los
riesgos, estimar la necesidad de mano de obra, etc.
Matriz encadenada (Z). Es un documento gráfico asociado con Simus en donde se
analizan para cada proyecto o alternativa, las diferentes acciones que producen
impactos, los efectos que originan, las consecuencias de esos efectos, y finalmente los
receptores de dichas consecuencias (Munier, 2010). La figura 3.1 reproduce una matriz
de este tipo aplicada a un proyecto de construcción de un parque eólico en donde se
muestran varios encadenamientos. Se verifica cómo para cada acción hay un
encadenamiento cuyos diferentes pasos pueden ser valorizados, por ejemplo, en una
escala 1-10.
La matriz Z permite estudiar las interrelaciones entre los cuatro elementos (Acciones –
Efectos – Consecuencias – Receptores) y para cada alternativa. Posibilita determinar
cuáles son los efectos más importantes, medidos por la cantidad de acciones que
generan.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
31
Análisis de grafos
Pueden emplearse para determinar en forma cuantitativa la importancia de diversos
indicadores relativa a las vinculaciones directas e indirectas, a fin de establecer pesos a
priori que posibiliten fijar una tasa de corte para el listado inicial. Trabaja con los
efectos y permite valorarlos cuantitativamente. Estas valoraciones se pueden usar como
coeficientes de las alternativas en la matriz de decisión.
Encuestas
Incluyen el diseño de un formulario adecuado y un muestreo estadístico. Se usan para
conocer la opinión de la población que puede estar afectada por el proyecto.
Análisis estadísticos
Por ejemplo análisis de regresión y correlación, que aunque no lleguen a determinar
necesariamente una relación de causa y efecto, pueden indicar si dos indicadores varían
o no en el mismo sentido. Una aplicación se encuentra en la Sección 4.1.3, figura 4.1.
Datos históricos
Se obtienen no sólo de los archivos del promotor de un proyecto o de una compañía
sino también de otros proyectos similares. Por ejemplo, se usa este procedimiento para
determinar en forma aproximada, mediante una relación no lineal, el coste para un
tamaño dado de planta, cuando se conocen los costes de plantas similares ya
construidas.
Reuniones con partes interesadas
Aquí se escuchan, se debaten y se analizan las diversas opiniones, especialmente de la
gente a ser afectada por el proyecto, como así también de diversos especialistas y
expertos. Estas pueden grabarse y clasificarse por orden de importancia.
32
Planta en funciona-
miento
Superficie de acopio
Despeje y desbroce
Estructuras civiles
Uso de vehículos y máquinas especiales
Campos de cultivo
Bosques
Edificios de la explotación
Poblaciones cercanas
Vida silvestre
ACCIONES DEL PROYECTO
Uso del suelo
Transporte Vegetación Combustible Ruidode equipos
Peligroslatentes Economía Estética
Malestarciudadano
Mayorbienestar
Muerte deaves
Emigración de aves
EFECTOS DE LAS ACCIONES
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X X
X
X X
X
X
X
X
X
X
X
XX
X
X X
CONSECUENCIAS DE LOS EFECTOS
RECEPTORES DE EFECTOS
X
Figura 3.1 Matriz encadenada (Matriz Z) para un proyecto de parque eólico
3.2.2 Fase de Análisis
Consiste en la recolección, depuración y análisis de la información. (Los números entre
paréntesis se corresponden con el diagrama de la figura 3.2).
Primer paso: Los distintos departamentos del promotor del proyecto (1) analizan el
estudio de factibilidad y emiten sus conclusiones. Su fuente es el estudio de factibilidad,
Segundo paso: Se conocen ahora las características técnicas del proyecto, como así
también sus distintas alternativas y condiciones lo cuál permite determinar los diferentes
criterios a aplicar (2),
Tercer paso: Se evalúan sus posibles impactos en los aspectos económicos, sociales y
medioambientales (3), a partir de una matriz encadenada que indica los impactos
seriados,
Cuarto paso: Se evalúan los impactos sociales (4) a partir de diversas fuentes tales
como encuestas, estudios de impacto, exigencia en proyectos similares, etc. Permite
decidir sobre los diferentes criterios a considerar,
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
33
Proyecto preliminar
Matriz encadenada
Análisis y encuestas
* Análisis y estimaciones* Encuestas
Determinar impactos
ambientales
1-* Ingeniería * Finanzas* Recursos Humanos
*Medio Ambiente
2- Determinar características
técnicas del proyecto
3- Evaluar impactos: * Sociales
* Económicas* Ambientales
4- Evaluar
impactos sociales
5- Evaluar impactos
económicos
6-
Evaluar criterios medioambienta-
lesl
9- Establecer criterios
7- Determinación
de alternativasEstudio de factibilidad
8- Establecer
objetivos
12Y los criterios
son
13- Cuantitativos
16Emplear
Programación Lineal Mono
objetivo
14- Cualitativos15
Emplear Módulo 1 de Simus
17- ES MÚLTIPLE
19- Cuantitativos
21- Cualitativos
20 - Emplear Módulo 2 de
Simus
22- Emplear Módulo 1 de
Simus
23Construir matriz
de soluciones eficientes
25- Análisis de sensibilidad y
Evaluación
10Si el objetivo
11. ES ÚNICO
12Y los criterios
son
18Y los criterios
son
FUENTES RESULTADOS PARA:
EXPERTOS
MODELADO
Solución óptima (si
existe)
24- Soluciones eficientes
Figura 3.2 Diagrama de flujo con empleo de los
módulos 1 y 2 de Simus
34
Quinto paso: Se evalúan los impactos económicos (5). Permite determinar los diferentes
criterios a considerar,
Sexto paso: Se evalúan los criterios medioambientales (6). Permite determinar los
diferentes criterios a considerar.
3.2.3 Fases de modelación y resultados
Séptimo paso: Se determinan las alternativas posibles de entre todas las existentes (7).
Fuente: Estudio de factibilidad y proyecto preliminar,
Octavo paso: Es necesario ahora, para el modelado, establecer el objetivo o los
objetivos que se persiguen (8). Es decir, determinar si el funcional es monoobjetivo o de
objetivos múltiples,
Noveno paso: Establecer criterios (9). Fuente: Departamentos del promotor,
características técnicas del proyecto, matriz encadenada, etc.,
Décimo paso: Aquí hay que determinar si el objetivo es único o son varios (10),
Décimo primer paso: Si el objetivo es único (11), determinar qué tipo de criterios
existen (12),
Décimo segundo paso: Si los criterios son todos de naturaleza cuantitativa (13), emplear
PL mono objetivo (16),
Décimo tercer paso: Si los criterios son de naturaleza cualitativa o hay una mezcla con
cuantitativos (14), emplear el modulo 1 de Simus (15) y proceder a resolver el sistema
con PL monoobjetivo (16),
Décimo cuarto paso: Si el objetivo es múltiple (17), cabe ahora preguntar nuevamente
por el tipo de criterios (18),
Décimo quinto paso: Si los criterios son cuantitativos (19), emplear el módulo 2 de
Simus (20),
Décimo sexto paso: Si los criterios son cualitativos (21), o hay una mezcla con
cuantitativos, emplear el módulo 1 de Simus (22),
Décimo séptimo paso: Construir la matriz de soluciones eficientes (23),
Décimo octavo paso: Determinar la solución satisfaciente (24),
Décimo noveno paso: Efectuar el análisis de sensibilidad y evaluación (25).
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
35
3.3 Diagrama de flujo para la aplicación de Simus a problemas de tipo 2
Se recuerda que este módulo es para un problema diferente a los tratados y está
enfocado a la selección de indicadores de distinto tipo. Aunque originariamente fue
diseñado para tratar con indicadores ambientales, su empleo no está restringido a esta
disciplina y puede utilizarse para cualquier tipo de indicadores.
3.3.1 Fuentes
Una de las principales fuentes son las series existentes de indicadores y que
normalmente están disponibles para cada actividad, pero hay que recordar que el
sistema se aplica para un número elevado de indicadores, posiblemente en cantidad
mayor de 75.
Otra fuente es obviamente aquella que proviene de la necesidad de desarrollar
indicadores, por ejemplo para analizar problemas urbanos y periurbanos, problemas
sociales y económicos.
3.3.2 Fase de Análisis
Ver figura 3.3.
Primer paso: Los expertos examinan toda la información disponible (1),
Segundo paso: Se analiza la importancia de cada indicador en función de la cantidad de
interrelaciones de carácter primario, secundario, terciario, etc. (2). Se valorizan
empleando una escala tal como la de intervalos iguales, por ejemplo de 1 a 10 (4),
Tercer paso: Se determinan las necesidades de obtener determinado tipo y categoría de
indicadores (3). Se valorizan empleando una escala tal como la de intervalos iguales,
por ejemplo de 1 a 10 (5),
Cuarto paso: Con estas dos estimaciones se halla el promedio de valores para cada
indicador (6),
Quinto paso: A fin de limitar la cantidad de indicadores se establece una tasa de corte
(7),
Sexto paso: Preparar la lista inicial de indicadores con la valoración promedio hallada
para cada uno (8),
Séptimo paso: Computar la entropía de cada indicador (9), empleando la fórmula (3.2)
Sección 3.4.4,
Octavo paso: Determinar la entropía del sistema (10), empleando la fórmula (3.3),
Sección 3.4.5.1,
Noveno paso: Determinar la contribución entrópica de cada indicador (11), empleando
la formula (3.4), Sección 3.4.5.1,
36
Décimo paso: Emplear los valores del paso noveno como coeficientes de la función
objetivo del problema (12).
3.3.3 Fases de modelación y resultados
Décimo primer paso: Establecer qué criterio se usará sobre la base de los objetivos
deseados o estructura, por ejemplo (OCDE), criterios generales de selección, etc., (13),
Décimo segundo paso: Establecer criterios de selección (14),
Décimo tercer paso: Establecer la matriz de pertenencia (0-1) (15),
Décimo cuarto paso: Determinar la cantidad de indicadores fínales que se deseen (17),
Décimo quinto paso: Establecer los términos de la derecha sobre la base de las
preferencias del centro decisor y a lo que él considere más necesario e importante (17),
Décimo sexto paso: Ejecutar el Simplex con el software que se haya elegido (18),
Décimo séptimo paso: Obtener los resultados y si es necesario llevar a cabo un análisis
de sensibilidad (19),
Décim 3.4 Descripción de los módulos
Como se mencionó, la PL necesita criterios cuantitativos y sólo puede manejar un
objetivo a la vez, arrojando soluciones óptimas. El método Simus introduce dos
„módulos‟ (1 y 2), o procedimientos algebraicos para tratar de paliar ambas condiciones,
aunque no produce soluciones óptimas sino satisfacientes.
3.4.1 Explicación y empleo del Módulo 1
Se utiliza para permitir el empleo de criterios cualitativos - tantos como se deseen - y
que pueden o no estar mezclados con criterios cuantitativos. Incluso permite resolver el
problema aun cuando el total de las restricciones sean cualitativas. Para ilustrar el
empleo de este módulo asúmase por ejemplo que para tres alternativas A, B y C de un
proyecto, hay un criterio cualitativo que requiere maximizar la sensación de satisfacción
de la población afectada por el mismo. Para tenerla en cuenta se realiza una encuesta y
las respuestas se evalúan mediante 8 adjetivos, que se describen en la tabla 3.1.
o octavo paso: Evaluar los resultados (20).
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
37
* Indicadores disponibles
* Experiencia* Necesidad* Antecedentes
1- Expertos
2- Análisis de relaciones primarias,
secundarias, terciarias, etc.
3- Determinar indicadores por
necesidad y experiencia
* Grafos
4- Valorizar indicadores usando una
escala de intervalos iguales
5- Valorizar indicadores usando una
escala de intervalos iguales
6- Obtener una valoración
promedio para cada indicador
7- Establece la valoración de
corte
8- Preparar lista inicial de
indicadores con su valoración
9- Computar entropía de cada
indicador
10- Determinar entropía del
sistema
11- Determinar contribución de cada indicador a la entropía del
sistema
12- Emplear estos valores como
coeficiente de la función objetivo
13- Expertos14- Establecer
criterios sobre la base de impactos
15- Construir matriz 0-1
17- Establecer como término de
la derecha las preferencias del
decisor (Cantidad de indicadores deseados por
criterio)
18- Ejecutar el Simplex
Matriz escalonada
16- Determinar la cantidad de indicadores
finales deseados
19- Solucion satisfaciente
20- Análisis y Evaluación
Figura 3.3 Determinación de indicadores ambientales
38
Tabla 3.1 Apreciaciones de la población consultada
y equivalencia cuantitativa
Calificación Concepto
1 Muy negativa 2 Negativa 3 Regular 4 Aceptable 5 Buena 6 Satisfactoria 7 Muy buena 8 Excelente
Supóngase ahora que analizadas las respuestas, se encuentra que las diferentes
alternativas han merecido en promedio, la siguiente „puntuación‟ lingüística:
Alternativa A = Buena
Alternativa B = Excelente
Alternativa C = Negativa
Empleando la tabla 3.1 las apreciaciones subjetivas se transforman en
5 x1 + 8 x2 + 2 x3 ≤ ??
Faltaría en consecuencia el término independiente de la derecha. El Módulo 1 de Simus
asigna al correspondiente término un valor igual al mayor coeficiente del término de la
izquierda, si se está maximizando como en este caso, o el menor valor si se está
minimizando, previa normalización. La razón de normalizar tiene que ver con el
procedimiento, ya que si no se normaliza se genera incongruencia. Por ejemplo se
pueden tener números enteros en un criterio y decimales en otro, la normalización
permite trabajar con valores homogéneos. Hay varios métodos para normalizar y en
general el procedimiento elegido depende de los datos y del tipo de problema planteado
y de manera tal que mantenga las proporciones, lo que es clave en la PL; un ejemplo de
los diferentes métodos se ilustra a continuación.
- Calcular para cada coeficiente su porcentaje con respecto al valor máximo de la fila
correspondiente.
- Calcular para cada coeficiente su porcentaje sobre el rango de la fila correspondiente:
- Calcular para cada coeficiente su porcentaje con respecto al valor de la suma de todos
los coeficientes sobre la misma fila (este es el método usado en esta tesis):
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
39
Entonces, normalizando, dividiendo cada coeficiente por la suma de los coeficientes de
la fila se tiene:
0,33x1 + 0,53x2 + 0,13x3 ≤ 0,53
Debido a que la acción de este criterio es de maximización, se elije el mayor de los
valores de los términos de la izquierda, que es 0,53. La razón de esta selección estriba
en que el máximo valor de satisfacción total deseado no puede ser superior al mayor
valor ofrecido por la alternativa B. Por ello, se establece que la satisfacción total debe
ser menor o igual a 0,53.
Si para ejemplificar, la misma restricción requiriera una minimización, la respectiva
inecuación seria de la siguiente forma:
0,33x1 + 0,53x2 + 0,13x3 ≥ 0,13
Al término de la derecha le corresponde al menor valor de los términos de la izquierda,
porque es evidente que la satisfacción total no puede ser inferior al menor valor ofrecido
por la alternativa C. Por ello se establece que la satisfacción total debe ser mayor o igual
a 0,13.
3.4.2 Explicación y empleo del Módulo 2
Se utiliza para trabajar con múltiples objetivos. Permite ordenar alternativas, de más a
menos importantes, y trabajar con cualquier cantidad de objetivos.
Este módulo consiste en dos pasos que son:
a) La construcción de una matriz que se denomina „Matriz de resultados eficientes‟ y
que contiene en cada fila el conjunto de resultados óptimos que se obtienen cuando se
ejecuta el Simplex con un objetivo a la vez. Se realiza sucesivamente la ejecución del
Simplex hasta considerar todos los objetivos del problema.
Una vez completada la matriz se normaliza y se suman los valores de cada columna
(SC), (o sea la suma de los valores óptimos de cada alternativa para diferentes
objetivos).
b) Se determina un „Coeficiente de participación‟ (CP) para cada alternativa, que es el
ratio entre la cantidad de objetivos para los cuales esa alternativa tiene un valor, y la
cantidad total de objetivos considerados. Estos coeficientes se normalizan, y luego se
multiplicada cada uno por el SC respectivo. El resultado de este producto indica el valor
final de cada alternativa, lo cual permite su ordenamiento.
40
3.4.2.1 Ejemplo ilustrativo de la aplicación de los módulos 1 y 2
Se ha proyectado la construcción de un camino entre dos ciudades A y B. Los terrenos a
atravesar comprenden llanura, zona de estribaciones montañosas de baja altura,
bosques, y el atravesar ciudades y pueblos. Se presentan tres rutas alternativas que
hacen diferente uso de la tierra entre las dos localidades, y que se codifican como rutas
A, B, y C, cada una con sus costes asociados en millones de Euros. Se desea determinar
cuál es la ruta más conveniente, no sólo teniendo en cuenta los costes sino también los
aspectos sociales y ambientales.
Primer paso: Construcción de la matriz de decisión
Se han hecho encuestas para determinar la reacción de la población ya que el proyecto
incluye expropiar áreas de cultivo, y habrá alteración del ecosistema por la destrucción
de gran número de árboles y zonas boscosas a atravesar, ríos a cruzar, etc. Los valores
de la encuesta se detallan en la matriz de decisión. Por ejemplo, la fila de „Porcentajes
de rechazo por atravesar una zona turística‟ depende de la ruta, pero es del 25 % para
la traza A, 15 % para la B y 20 % para la C.
La matriz de decisión la tabla 3.2 plantea el modelado del problema.
Segundo paso: Normalización de la matriz.
Para la normalización puede emplearse alguno de los métodos mencionados. Aquí se
usa el de dividir cada coeficiente por el total de la suma de los valores de su fila. Por
ejemplo, para la segunda fila el total es 0,90 + 0,92 + 0,90 = 2,72, se divide cada valor
de esa fila por este total, y así se obtiene la matriz de decisión normalizada que muestra
la tabla 3.3.
Tercer paso: Tratamiento de los criterios cualitativos.
Se observa que la mayoría de criterios son cualitativos, por lo cual se aplica el Módulo
1, incluso a los que son cuantitativos. Si bien es cierto que el porcentaje de cultivos y la
cantidad de ríos a cruzar son en general de naturaleza cuantitativa, no hay que olvidar
que en el momento del planeamiento se ignora la decisión que tomaran los dueños de
Tabla 3.2 Matriz de decisión
Alternativas
Ruta A Ruta B Ruta C Suma de
Criterios filas
Costes estimados (Millones de €) 127.810 110.945 118.906 357.661
Porcentaje áreas de cultivo afectadas 0,9 0,92 0,9 2,72
Porcentaje de expropiaciones 0,92 0,34 0,26 1,52
Cantidad de ríos a cruzar 2 1 3,00
Bosques afectados (ha) 3 10 10 23,00
Porcentaje de oposición ciudadana 0,02 0,2 0,35 0,57
Porcentaje de alteración ecosistema 0,06 0,46 0,33 0,85
Porcentaje rechazo zona turística 0,25 0,15 0,2 0,60
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
41
Tabla 3.3 Matriz de decisión normalizada
los terrenos de cultivo, ya que pueden destinarlos a otros usos, como por ejemplo
engorde de ganado. Por otro lado, como tampoco se conoce en qué fecha se hará el
cruce de los ríos, no se puede apreciar si esta operación se efectuará en épocas de
crecidas o de estiaje. Por ello se creyó más seguro considerar a todos los criterios como
cualitativos. Con respecto a medir criterios netamente cualitativos tales como la
„Oposición ciudadana‟, esta es el resultado de encuestas, entrevistas, reuniones con los
interesados, votaciones, etc.
Ya que todos los criterios son de minimización, los términos independientes de la
columna de la derecha tendrán los respectivos valores mínimos de cada fila, que se
indican subrayados.
Cuarto paso: Construcción de la matriz de resultados eficientes.
Se comienza extrayendo de la tabla 3.3 la primera meta (Costes estimados), que actuará
entonces como función objetivo de un problema monoobjetivo. Se ejecuta el Simplex
empleando el software elegido y se obtienen los valores de las alternativas que se
colocan en la primera fila de la matriz de resultados eficientes que muestra la tabla 3.4.
Se aprecia que para esta función objetivo, no participa la alternativa C, en tanto que la
alternativa B muestra un valor mucho más elevado que la alternativa A. Es decir, desde
el punto de vista de este objetivo de costes, la mejor solución es la alternativa B, lo cual
en cierta manera es previsible, dado que esta alternativa es la que registra el menor
coste. Sin embargo, esto puede no suceder y entonces la „previsión‟ no se cumple, y la
razón es que ésta puede verse alterada por los condicionamientos impuestos por las
otras 7 restricciones restantes.
Alternativas
. Ruta A Ruta B Ruta C
Metas
Costes estimados (Millones de €) 0,36 0,31 0,33 0,31 ≥ 0,31
Porcentaje áreas de cultivo afectadas 0,33 0,34 0,33 0,34 ≥ 0,33
Porcentaje de expropiaciones 0,61 0,22 0,17 0,22 ≥ 0,17
Cantidad de ríos a cruzar 0,67 0,00 0,33 0,00 ≥ 0,00
Bosques afectados (ha) 0,13 0,43 0,43 0,43 ≥ 0,13
Porcentaje de oposición ciudadana 0,04 0,35 0,61 0,35 ≥ 0,04
Porcentaje de alteración ecosistema 0,07 0,54 0,39 0,54 ≥ 0,07
Porcentaje rechazo zona turística 0,42 0,25 0,33 0,25 ≥ 0,25
42
Tabla 3.4 Matriz de resultados eficientes
Se reintegra esta función objetivo a la tabla 3.3, volviendo en consecuencia a ser una
meta.
Se extrae la segunda meta (Porcentaje de áreas de cultivo afectadas), que actuará
entonces como función objetivo de un problema monoobjetivo. Se ejecuta el Simplex
empleando el software elegido y se obtienen los valores de las alternativas que se
colocan en la segunda fila de la matriz de resultados eficientes que muestra la tabla 3.4.
Se aprecia que para esta función objetivo, no participa la alternativa B, y que ahora la
alternativa A tiene un valor muy elevado comparado con el de la alternativa C, aun
cuando tienen el mismo porcentaje 0,9 (tabla 3.2), lo cual significa que intervienen otros
factores para seleccionar la A en lugar de la C.
Se reintegra esta función objetivo a la tabla 3.3, volviendo en consecuencia a ser una
meta.
Se extrae la tercera meta (Porcentaje de expropiaciones) y se repite el procedimiento,
con lo cual se obtienen los valores que corresponden a la tercera fila de la tabla 3.4, que
favorece de manera absoluta a la alternativa C, lo cual es también previsible, dado que
C tiene el menor porcentaje. Aquí cabe el mismo análisis sobre „previsión‟ que se hizo
para el primer objetivo.
Se prosigue de la misma manera con todas las metas hasta completarlas y se tiene
entonces constituida en forma completa la matriz de resultados eficientes de la tabla 3.4.
Las celdas en blanco in dican que para un determinado objetivo hay alternativas que no
se han elegido.
Quinto paso: Normalización de la matriz de resultados eficientes
Se normaliza cada fila siguiendo el mismo procedimiento ya explicado, y se obtiene la
tabla 3.5 o sea la matriz de resultados eficientes normalizada.
Alternativas
Ruta A Ruta B Ruta C Suma de
Metas filas
Costes estimados (Millones de €) 0,032 0,947 0,979
Porcentaje áreas de cultivo afectadas 0,817 0,055 0,872
Porcentaje de expropiaciones 1 1
Cantidad de ríos a cruzar 1 1
Bosques afectados (ha) 1 1
Porcentaje de oposición ciudadana 1 1
Porcentaje de alteración ecosistema 1 1
Porcentaje rechazo zona turística 1 1
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
43
Tabla 3.5 Matriz de resultados eficientes normalizada
Sexto paso: Determinación de la importancia de cada alternativa.
La fila (SC) de la tabla 3.5 muestra la suma de los valores para cada columna. Aquí se
muestra entonces que desde el punto de vista de e la magnitud de los valores hallados, la
alternativa preferida es la A, luego la C y finalmente la B.
Séptimo paso: Cálculo del coeficiente de pertenencia (CP).
Si se analiza para cada alternativa la cantidad de veces que esta figura en las soluciones
se tienen los siguientes valores:
Alternativa A = 5 (ya que participa en las soluciones correspondientes a los objetivos 1,
2, 5, 6, y 7),
Alternativa B = 3 (ya que participa en los objetivos 1, 4 y 8),
Alternativa C = 2 (ya que participa en los objetivos 2 y 3).
Se calcula entonces el coeficiente de participación (CP) que será, considerando un total
de 8 objetivos:
Alternativa A = 5 / 8 = 0,625,
Alternativa B = 3 / 8 = 0,375,
Alternativa C = 2 / 8 = 0,250.
Octavo paso: Normalización de los CP que se indica en la fila CPN.
Noveno paso: Cálculo final.
Para cada columna se multiplica el CPN por la SC y se obtienen los valores finales para
cada alternativa.
Resultado: Los valores hallados indican que la alternativa A, con la valoración más
elevada, es la más conveniente, seguida por la B y la C.
Por lo tanto el ordenamiento final es:
A - B - C
Ruta A Ruta B Ruta C
Criterios Alternativas
Costes estimados (Millones de €) 0,033 0,967
Porcentaje áreas de cultivo afectadas 0,937 0,063
Porcentaje de expropiaciones 1
Cantidad de ríos a cruzar 1
Bosques afectados (ha) 1
Porcentaje de oposición ciudadana 1
Porcentaje de alteración ecosistema 1
Porcentaje rechazo zona turística 1
Suma de
Suma de columnas (SC) 3,970 2,967 1,063 filas
Coeficiente de participación (CP) 0,625 0,375 0,250 1,250
Coeficiente de participación normalizado (CPN) 0,500 0,300 0,200
Resultado (CPN x SC) 1,98 0,89 0,21
44
3.4.3 Equivalencia del resultado alcanzado por Simus
En la sección 2.8.1 se realizó un estudio comparativo sobre distintos modelos,
empleando un caso real, para contrastar resultados, que se repiten a continuación, pero
ahora con el agregado de la solución alcanzada por Simus. Ver tabla 3.6.
Tabla 3.6. Resultados de los distintos modelos para el aeropuerto de Maastricht
ALTERNATIVAS
A B C D
MODELOS Fuente
Regime/AHP/Flag 0,34 0,94 0,61 0,11 Vreeker et al, 2001
AHP 0,07 0,18 0,15 0,09 García et al, 2009
ANP 0,05 0,09 0,08 0,06 García et al, 2009
Promethee -0,25 0,19 0,01 0,00 García et al, 2009
Topsis 0,57 0,73 0,35 0,50 Munier, 2011
Simus 0,37 1,56 1,058 0,29 Munier, 2011
Por otro lado, la tabla 3.7 refleja el ordenamiento obtenido por Simus que se agrega a
los ordenamientos por los otros métodos.
Tabla 3.7 Ordenamientos de acuerdo a cada modelo
MODELOS ORDENAMIENTOS
Regime/AHP/Flag B – C – A - D
AHP B – C – D - A
ANP B – C – D - A
Promethee B – C - A
Topsis B – A – D - C
Simus B – C – A - D
Se aprecia que Simus obtiene ordenamientos equivalentes a los de los otros métodos.
3.4.4 Calculo de la entropía para cada conjunto de resultados
Normalmente interesa evaluar la diferencia entre dos valores contiguos o entre los
valores extremos de un resultado, para conocer en qué medida una alternativa puede
considerarse mejor que otra, ya que es indudable que si una alternativa A por ejemplo,
tiene el valor 0,36 y otra B el valor 0,37, ambas pueden considerarse como equivalentes
en lo relativo a su posición en el ordenamiento. En consecuencia, es evidente que
mientras mayor sea la diferencia, o sea mientras más discriminante sea la solución,
mayor será la seguridad de elegir entre una alternativa y otra.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
45
Observando la tabla 3.7 se verifica que ésta muestra, por simple observación, cuál de los
modelos arroja la mayor discriminación, aunque es dificultoso llegar a una conclusión.
Este trabajo propone emplear el concepto desarrollado por Zeleny (2000) para medir el
grado de discriminación, aplicando el ya mencionado teorema de Shannon (Shannon,
1948). El resultado se muestra en la tabla 3.8, que agrupa los distintos métodos de
acuerdo a su entropía. Se recuerda que la discriminación es mayor mientras menor sea
la entropía, y se verifica que, de acuerdo a este procedimiento, tanto el método seguido
por los autores como Simus arrojan la mayor discriminación.
Tabla 3.8 Listado de modelos según su entropía
Alternativas
Modelos
A B C D Entropía
Regime -0,36 -0,36 -0,30 -0,16 0,29
Simus -0,25 -0,35 -0,36 -0,21 0,29
AHP -0,28 -0,37 -0,36 -0,31 0,33
ANP -0,31 -0,36 -0,36 -0,33 0,34
Topsis -0,35 -0,37 -0,29 -0,34 0,34
Se ha descartado el modelo Promethee ya que suministra valores muy extremos, dado
que estos oscilan entre -0,25 y 0,19. Se aprecia que los valores extremos, considerando
todos los modelos varian en (0,34 – 0,29 ) / 0,29 = 0,17 = 17 % .
3.4.5 Explicación y empleo del Módulo 4
Se aplica también a problemas de decisión, sin embargo se emplea para tratar un caso
distinto de los tratados, ya que es específico a la situación donde hay una gran cantidad
de elementos discretos (quizás varios cientos) y se desea obtener un conjunto final
reducido, de quizás un 10 o 15 % de esa cantidad. Se aplica fundamentalmente a la
selección de indicadores e introduce además la condición de que los indicadores
seleccionados incorporen la mayor cantidad de información posible. Puede generar una
solución óptima, ya que trabaja con un solo objetivo. Los criterios se emplean aquí
como se ha visto en otros casos para evaluar los indicadores, sin embargo, el centro
decisor puede desear establecer que haya una cierta cantidad mínima de indicadores por
criterio. Por ejemplo si un criterio importante es „minimizar el consumo de agua‟,
quizás el centro decisor no se conforma con tener sólo ese indicador, dada la
importancia del tema, y entonces desea algunos otros relacionados con el mismo. En ese
caso el resultado puede indicar que para este criterio se dispondrá asimismo de
indicadores tales como „pérdidas de agua en la red‟ y también de otro como „relación
entre la provisión diaria de agua y la descarga de aguas servidas‟
46
3.4.5.1 Explicación detallada de los pasos a seguir para aplicar el módulo 4
Primer paso: Consiste en una preselección de los indicadores disponibles. Ésta se
ejecuta combinando dos evaluaciones:
a) La importancia del indicador referida a la cantidad de otros indicadores a las cuales
influye (a) y
b) La apreciación personal de los analistas considerando la necesidad del problema a
tratar (b),
Segundo paso. Se halla el promedio entre ambas mediciones para cada indicador,
Pj =
(3.1)
Tercer paso: Se calcula la entropía de cada indicador mediante la fórmula:
Sj = Pj ln (Pj) (3.2)
y la del sistema en general, mediante la fórmula:
S = -
(3.3)
Donde:
N = Cantidad total de indicadores
Cuarto paso: Se calcula la participación entrópica de cada indicador xj en la entropía
del sistema, mediante la fórmula:
x entrópico = Pj x S (3.4)
Quinto paso: Se emplean estos valores como coeficientes de la función objetivo que
consiste en maximizar el contenido de la información, de acuerdo al teorema de
Shannon (1948) entonces:
Z = xentrópico x xj (Maximizar la cantidad de información) (3.5)
Sexto paso: Se establecen los criterios del problema a los cuales deben ajustarse los
indicadores. Es de destacar que se entiende como “criterio a los objetivos, atributos o
metas que se consideran relevantes en un cierto problema decisional” (Romero, 1996).
Séptimo paso: Se establecen relaciones de pertenencia entre cada alternativa y cada
criterio, empleando una matriz 0-1. Para ello se construye una „matriz de pertenencia‟
(tabla 3.9) con indicadores en columnas y criterios de selección en filas, tantos como se
deseen en ambos. En este ejemplo se consideran sólo los indicadores x4, x5, x6 y x7.
Los expertos analizan para cada indicador con cual criterio está relacionado, y una vez
que se llega a un acuerdo, se coloca un (1) si hay pertenencia.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
47
Esta matriz es en realidad una matriz de decisión, en la cual son conocidas las columnas
de acción (Maximizar o Minimizar) y de limites o términos de la derecha (que aquí se
denominan „Cantidades requeridas‟). Esta columna de requerimientos expresa los
deseos del centro decisor relativos a la cantidad de indicadores que desea obtener para
cada criterio y que depende de sus preferencias o necesidades. Por ejemplo, para el
criterio C2 puede decir „Quiero al menos 3 indicadores que se refieran a este criterio‟.
Obsérvese la condición de „al menos‟, lo cual está indicando una relación de mínimo,
expresada por el operador „≥‟.
Tabla 3.9 Matriz de pertenencia
Cantidad total de indicadores deseados = k
x entrópico x4 x5 x6 x7 xn Acción
Preferencias
del centro decisor
Cantidad requerida de
indicadores
por criterio
Indicadores 4 5 6 7
……
……. n
Criterios 1
C1 1 1
C2 1 1 1 ≥ Elegir al
menos 3
C3 1 1
……..
……..
Cm
Indicadores
seleccionados 1 1
En consecuencia esa fila queda expresada como una inecuación del tipo:
x4 + x5 + + x7 ≥ 3 (3.6)
Octavo paso: Se establece la cantidad total de indicadores finales (k) que se desee
obtener (Primera fila de la tabla).
Noveno paso: Se ejecuta el Simplex cuya función objetivo es „Maximizar la cantidad de
información‟.
El resultado, indicado en forma binaria se indica en la última fila de la tabla. Este
resultado es el conjunto de indicadores, en la cantidad deseada, que cumplen con todas
las restricciones del problema y que además maximizan la cantidad de información.
Este último concepto, dicho de otra manera puede enunciarse como la mínima cantidad
de indicadores que mejor representan las condiciones ambientales.
3.4.6 Cuadro sinóptico de funciones monoobjetivo y multiobjetivo y módulos a
emplear El cuadro sinóptico de la figura 3.4 condensa esta información para las funciones monoobjetivo
y multiobjetivo
48
Todos los criterios cuantitativos: Resolución por el método Simplex
estándar de la PL
Si la función es
Monoobjetivo Todos los criterios cualitativos o una mezcla con cuantitativos:
Emplear el Módulo 1 y resolver por el método Simplex estándar
Ejemplo: Caso resuelto en Munier (2011)
Ejemplo: Caso resuelto en Munier (2004)
Todos los criterios cuantitativos: Emplear el Módulo 2
Si la función es
Multiobjetivo Todos los criterios cualitativos o una mezcla con cuantitativos
Emplear primero el Módulo 1 y luego el Módulo 2
Si la función es
Monoobjetivo y
consiste en maximizar Emplear Módulo 4 y resolver por método Simplex estándar
el contenido de la Ejemplo: Caso resuelto en Munier (2011)
información a indicadores
medioambientales
Todos los criterios cuantitativos: Emplear el Módulo 2
Si la función es
Multiobjetivo
Todos los criterios cualitativos o una mezcla con cuantitativos
Emplear los Módulos 1 y 2
Ejemplos: Tabla 6.4, Sección 6.4, Capítulo 6
Figura 3.4 Cuadro sinóptico para procedimientos con funciones monoobjetivo y multiobjetivo
3.4.7 Análisis de sensibilidad Es de destacar que desde el punto del análisis de sensibilidad, el Solver provee tres diferentes
mecanismos que son:
* Límites: Se aplica a los valores hallados en la solución.
Establece valores mínimos y máximos que puede tomar cada alternativa para satisfacer todas las
restricciones del problema, cumpliendo las restricciones y manteniendo constantes el resto de
las alternativas.
* Sensibilidad: Se aplica a las restricciones.
Informa para cada restricción cuanto puede cambiar el término independiente sin que cambie el
valor dual. Es decir, una vez conocidas las restricciones que forman parte de la solución,
informa en cuánto puede variar cada una (es decir cuanto puede trasladarse paralelamente a si
misma), para que siga perteneciendo a la solución.
* Respuesta: Se aplica a la solución y a las restricciones
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja y con
objetivos múltiples
49
Informa cuales son las restricciones que participan en la solución y suministra sus valores
marginales.
El modelo Simus aprovecha las ventajas inherentes al análisis de sensibilidad que provee la PL;
para ello emplea el dual para determinar cuáles son los criterios más importantes para cada
objetivo planteado. Conociendo la cantidad de veces en que una restricción interviene en la
gama completa de objetivos planteados, es posible establecer cuantitativamente un ranking
sobre la importancia de cada uno.
En el caso de esta tesis este análisis de sensibilidad se ha empleado para contrastar resultados
con otros modelos, pero lógicamente el análisis de sensibilidad tiene otros alcances aparte del
descrito, y por otro lado la contratación se puede efectuar por otros medios, como se muestra en
la Sección 6.4.
50
CAPÍTULO 4 CASOS DE ESTUDIO
Este capítulo tiene por objeto mostrar el empleo de Simus para tratar proyectos con
múltiples objetivos. Para ello se contrastan los resultados alcanzados al resolver un
problema por Simus y por el método Electre.
4.1 Resolución por Simus de un problema real complejo - Contrastación de
resultados alcanzado con Electre
Este caso corresponde a un proyecto titulado „Desarrollo de la tierra en el puerto de
Keelung‟
Título original: “Multicriteria decision-making using Electre” - Desarrollado por Huang
et al, (2005).
4.1.1 Antecedentes
El proyecto consiste en decidir el uso a dar a la tierra en el puerto de Keelung en
Taiwán. Para ello se consideran 6 alternativas etiquetadas con letras, desde A a F, y 18
criterios. Tanto las alternativas como los criterios se identifican en la matriz de decisión
de la tabla 4.1. El problema se resolverá por Simus y sus resultados se analizarán y
compararán con los obtenidos por los autores que emplearon el método Electre.
Las seis alternativas están indicadas en columnas en tanto que los 18 criterios
corresponden a las filas. Los valores de los coeficientes de las alternativas han sido
calculados por los autores originales. Se aprecia que la gran mayoría de los criterios son
cualitativos y que responden a acciones de maximizar y minimizar.
La ordenación obtenida por los autores es A – F – B/C – E – D.
La barra „/‟ entre B y C indica que ambas alternativas tienen valores muy semejantes y
que, por lo tanto, es indistinto que en el tercer lugar se considere una u otra.
4.1.2 Resolución por Simus utilizando los Módulos 1 y 2
Se comienza normalizando la matriz de la tabla 4.1; la matriz normalizada se muestra en
la tabla 4.2.
La columna de „Limites requeridos‟ muestra la adopción del módulo 1 de Simus, es
decir asignar al término independiente de la derecha y, para cada fila, el mayor o menor
valor (de acuerdo al operador), de los valores situados a la izquierda. Así, para el primer
criterio cuya acción es „menor o igual que‟ se ha elegido el mayor valor, o sea 0,19, en
tanto que para el segundo, con acción de „mayor o igual que‟ se ha elegido el menor
valor, o sea 0,13.
52
A continuación se aplicó el módulo 2, referido a la construcción de la matriz de
resultados eficientes, que se muestra en la tabla 4.3, la cual, normalizada, se reproduce
como tabla 4.4. Ésta indica el resultado final que es:
A – F – B – C – E/D
Comparación de las dos soluciones
Las dos soluciones encontradas, es decir la de los autores y la de Simus, se reproducen
en conjunto para facilitar su comparación.
Autores A – F – B/C – E/D
Simus A – F – B – C – E/D
Tabla 4.1 Matriz de decisión para el proyecto en el puerto de Keelung
ALTERNATIVAS
A B C D E F
Factibilidad Factibilidad Cumplimiento Impacto en Factibilidad Comporta-
regional y económica y del interés el medio política y de miento para la
de transporte financiera público ambiente implementación defensa Suma de
I.D. CRITERIOS nacional cada fila
1 Conveniencia para transporte externo 6 7 6 7 8 8 42
2 Espacios para requerimientos 69,9 89,9 70,1 89,9 99,9 99,9 519,6
3 Localización geográfica 7 8 6 7 6 6 40
4 Factibilidad financiera 149 8 143 60 64 80 504
5 Mejora de la competitividad del puerto 9 9 5 7 4 6 40
6 Asegurar integración eficiente del puerto y de la ciudad 6 7 5 6 4 3 31
7 Políticas gubernamentales y tendencia 49,1 50,1 59,5 49,8 39,7 40,2 288,4
8 Estimulo al desarrollo ind. y oportunidades de trabajo 300 280 220 245 220 230 1495
9 Ruido y contaminación del aire 8 8 7 8 6 8 45
10 Impacto en la ecología y en el paisaje 8 4 6 8 4 5 35
11 Compatibilidad con el patrimonio cultural e histórico 9 5 5 5 7 5 36
12 Dificultad de las tecnologías ingenieriles 6 6 6 7 7 9 41
13 Voluntad y cooperación pública 95,4 34,3 40,2 29,8 45,6 60,8 306,1
14 Coordinación con unidades relevantes 9 8 8 7 9 8 49
15 Factibilidad de cumplimentar las normas legales 80,1 59,9 90,1 58,9 99,8 89,5 478,3
16 Asegurar la seguridad general en el puerto 2 4 10 3 5 10 34
17 Comportamiento general para la capacidad de combate 2 4 10 3 6 10 35
18 Asegurar la seguridad de las naves de guerra 2 4 10 3 6 10 35
54
Tabla 4.2 Matriz de decisión normalizada
ALTERNATIVAS
A B C D E F
Factibilidad Factibilidad Cumplimiento Impacto en Factibilidad Comporta-
regional y económica y del interés el medio política y de miento para la
de transporte financiera público ambiente implementación defensa Límites
nacional Resultado requeridos
I.D. CRITERIOS DE SELECCIÓN COEFICIENTES DE LAS ALTERNATIVAS Acción del cálculo Operador Módulo 1
1 Conveniencia para transporte externo 1 0,14 0,17 0,14 0,17 0,19 0,19 MAX 0,190 ≤ 0,19
2 Espacios para requerimientos 2 0,13 0,17 0,13 0,17 0,19 0,19 MIN 0,196 ≥ 0,13
3 Localización geográfica 3 0,18 0,20 0,15 0,18 0,15 0,15 MAX 0,212 ≤ 0,20
4 Factibilidad financiera 4 0,30 0,02 0,28 0,12 0,13 0,16 MAX 0,060 ≤ 0,30
5 Mejora de la competitividad del puerto 5 0,23 0,23 0,13 0,18 0,10 0,15 MAX 0,225 ≤ 0,23
6 Asegurar integración eficiente del puerto y de la ciudad 6 0,19 0,23 0,16 0,19 0,13 0,10 MAX 0,230 ≤ 0,23
7 Políticas gubernamentales y tendencia 7 0,17 0,17 0,21 0,17 0,14 0,14 MAX 0,190 ≤ 0,21
8 Estimulo al desarrollo ind. y oportunidades de trabajo 8 0,20 0,19 0,15 0,16 0,15 0,15 MAX 0,200 ≤ 0,20
9 Ruido y contaminación del aire 9 0,18 0,18 0,16 0,18 0,13 0,18 MIN 0,194 ≥ 0,13
10 Impacto en la ecología y en el paisaje 10 0,23 0,11 0,17 0,23 0,11 0,14 MIN 0,145 ≥ 0,11
11 Compatibilidad con el patrimonio cultural e histórico 11 0,25 0,14 0,14 0,14 0,19 0,14 MAX 0,163 ≤ 0,25
12 Dificultad de las tecnologías ingenieriles 12 0,15 0,15 0,15 0,17 0,17 0,22 MIN 0,174 ≥ 0,15
13 Voluntad y cooperación pública 13 0,31 0,11 0,13 0,10 0,15 0,20 MAX 0,134 ≤ 0,31
14 Coordinación con unidades relevantes 14 0,18 0,16 0,16 0,14 0,18 0,16 MAX 0,184 ≤ 0,18
15 Factibilidad de cumplimentar las normas legales 15 0,17 0,13 0,19 0,12 0,21 0,19 MAX 0,156 ≤ 0,21
16 Asegurar la seguridad general en el puerto 16 0,06 0,12 0,29 0,09 0,15 0,29 MAX 0,148 ≤ 0,29
17 Comportamiento general para la capacidad de combate 17 0,06 0,11 0,29 0,09 0,17 0,29 MAX 0,147 ≤ 0,29
18 Asegurar la seguridad de las naves de guerra 18 0,06 0,11 0,29 0,09 0,17 0,29 MAX 0,147 ≤ 0,29
Vector de los sucesivos resultados de SIMUS 0,000 0,806 0,038 0,113 0,119 0,048
Función objetivo 0,2118
Ordenamiento de autores empleando Electre: A - F- B/C -E/D
Tabla 4.3 Matriz de resultados eficientes
ALTERNATIVAS
A B C D E F
Factibilidad Factibilidad Cumplimiento Impacto en Factibilidad Comporta-
regional y económica y del interés el medio política y de miento para la
de transporte financiera público ambiente implementación defensa Suma de
filas
Conveniencia para transporte externo 0,64 0,56 1,21
Espacios para requerimientos 0,11 0,61 0,72
Localización geográfica 0,18 0,29 0,02 0,67 1,15
Factibilidad financiera 0,40 0,68 1,08
Mejora de la competitividad del puerto 1,00 1,00
Asegurar integración eficiente del puerto y de la ciudad 0,35 0,69 1,04
Políticas gubernamentales y tendencia 0,93 0,22 1,15
Estimulo al desarrollo ind. y oportunidades de trabajo 0,60 0,00 0,50 0,00 1,11
Ruido y contaminación del aire 0,11 0,78 0,88
Impacto en la ecología y en el paisaje 0,24 0,50 0,74
Compatibilidad con el patrimonio cultural e histórico 1,00 1,00
Dificultad de las tecnologías ingenieriles 0,66 0,16 0,82
Voluntad y cooperación pública 1,00 1,00
Coordinación con unidades relevantes 0,48 0,13 0,53 1,14
Factibilidad de cumplimentar las normas legales 0,37 0,23 0,50 1,10
Asegurar la seguridad general en el puerto 0,20 0,39 0,53 1,12
Comportamiento general para la capacidad de combate 0,00 0,08 0,25 0,00 0,16 0,66 1,15
Asegurar la seguridad de las naves de guerra 0,00 0,25 0,00 0,16 0,66 1,07
56
Tabla 4.4 Matriz de resultados eficientes normalizada
ALTERNATIVAS
Factibilidad Factibilidad Cumplimiento Impacto en Factibilidad Comporta-
regional y económica y del interés el medio política y de miento para la
de transporte financiera público ambiente implementación defensa
nacional
A B C D E F
Conveniencia para transporte externo 0.53 0.47
Espacios para requerimientos 0.15 0.85
Localización geográfica 0.16 0.25 0.01 0.58
Factibilidad financiera 0.37 0.63
Mejora de la competitividad del puerto 1.00
Asegurar integración eficiente del puerto y de la ciudad 0.33 0.67
Políticas gubernamentales y tendencia 0.81 0.19
Estimulo al desarrollo ind. y oportunidades de trabajo 0.54 0.45
Ruido y contaminación del aire 0.12 0.88
Impacto en la ecología y en el paisaje 0.33 0.67
Compatibilidad con el patrimonio cultural e histórico 1.00
Dificultad de las tecnologías ingenieriles 0.80 0.20
Voluntad y cooperación pública 1.00
Coordinación con unidades relevantes 0.42 0.11 0.47
Factibilidad de cumplimentar las normas legales 0.33 0.21 0.46
Asegurar la seguridad general en el puerto 0.18 0.35 0.47
Comportamiento general para la capacidad de combate 0.07 0.22 0.14 0.57
Asegurar la seguridad de las naves de guerra 0.24 0.15 0.62 Suma de
Suma de columnas (SC) 3.97 3.08 2.59 2.07 2.17 4.10 fila
Factor de participación (FP) 0.44 0.39 0.39 0.33 0.33 0.39 2.28
Factor de participación normalizado (FPN)) 0.20 0.17 0.17 0.15 0.15 0.17
Resultado = (SC) x (FPN) 0.77 0.53 0.44 0.30 0.32 0.70
Ordenamiento: A - F - B - C - E/D
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
57
4.1.3 Correlación entre los resultados de ambos métodos
Considerando ahora que la solución dual del Simplex produce los valores cuantitativos
marginales de aquellos criterios que participan en la solución, es decir los criterios
cuyas líneas, planos o hiperplanos determinan el punto de óptimo, existe entonces para
cada solución un conjunto de criterios que tienen la mayor significación en el problema.
En consecuencia, es posible evaluar la importancia de un criterio dado teniendo en
cuenta la cantidad de soluciones en las cuales participa.
Por ejemplo, cuando se emplea como objetivo la meta número 03, „Localización
geográfica‟, la correspondiente solución dual (no mostrada), está compuesta por cinco
valores que se corresponden a otras tantas metas o restricciones del problema. Esas
metas se detallan en la tabla 4.5.
Tabla 4.5 Valores marginales correspondientes a la
función objetivo ‘Localización geográfica’
Se aprecia que la meta o criterio que mayor influencia tiene en la función objetivo es la
número 8, seguida por la 6, la 1, la 5 y la 14. Por lo tanto, en el espacio de 6
dimensiones al que pertenece este ejemplo, hay 5 hiperplanos que definen la solución
óptima, conformada por las alternativas A (0.18), B (0.29), C (0.02) y D (0,67) (tabla
4.3).
Un análisis similar se ha realizado este análisis para cada objetivo, y los resultados se
detallan en la tabla 4.6.
La tabla 4.7 muestra, para una misma meta o criterio:
a) el valor del peso asignado por los autores originales del trabajo,
b) la cantidad de veces que un criterio o meta forman parte de una solución, de acuerdo
con la tabla 4.6.
Metas
número Descripción
Valor
marginal
1 Conveniencia para el transporte externo 0,228
5 Mejorar la competitividad del puerto 0,169
6 Asegurar la integración eficiente del puerto y la
ciudad 0,261
8 Estimulo al desarrollo industrial y oportunidades de
trabajo 0,270
14 Coordinación con unidades relevantes 0,089
58
Tabla 4.6 Datos para efectuar una concordancia entre pesos de criterios y valores marginales
Tabla 4.7 Pesos para los criterios y veces que un criterio es parte de la solución
Interesa analizar si existe alguna clase de correlación entre ambos conjuntos de cifras,
aunque sus significados sean distintos. Graficando en forma conjunta las cantidades de
pesos asignados y los valores marginales, se obtiene la figura 4.1.
Para la función objetivo
correspondiente a cada fila
las metas que conforman
la solución son:
I.D. Funciones objetivo
1 Conveniencia para transporte externo 3 - 14
2 Espacios para requerimientos 9 - 12
3 Localización geográfica 1 - 5 - 6 - 8 - 14
4 Factibilidad financiera 7-14
5 Mejorar la competitividad del puerto 8
6 Asegurar integración eficiente del puerto y de la ciudad 3 - 5
7 Políticas gubernamentales y tendencia 14 - 6
8 Estímulo al desarrollo ind. y oportunidades de trabajo 5 - 14
9 Ruido y contaminación del aire 10 - 12
10 Impacto en la ecología y en el paisaje 9 - 12
11 Compatibilidad con el patrimonio cultural e histórico 8 - 14
12 Dificultad de las tecnologías ingenieriles 2 - 10
13 Voluntad y cooperación pública 2 - 8
14 Coordinación con unidades relevantes 1 - 7 - 8
15 Factibilidad de cumplimentar las normas legales 7 - 4 - 18
16 Asegurar la seguridad general en el puerto 18
17 Comportamiento general para la capacidad de combate 18
18 Asegurar la seguridad de las naves de guerra 17
Cantidad de veces Normalización Pesos asignados
que un criterio forma columna de la a los criterios en
parte de una solución izquierda Electre
I.D. Metas o criterios (Del dual del problema)
1 Conveniencia para transporte externo 2 0.05 0,04
2 Espacios para requerimientos 2 0.05 0,04
3 Localización geográfica 2 0.05 0,06
4 Factibilidad financiera 1 0.03 0,02
5 Mejorar la competitividad del puerto 3 0.08 0,21
6 Asegurar integración eficiente del puerto y de la ciudad 1 0.03 0,03
7 Políticas gubernamentales y tendencia 3 0.08 0,03
8 Estímulo al desarrollo ind. y oportunidades de trabajo 5 0.14 0,10
9 Ruido y contaminación del aire 2 0.05 0,02
10 Impacto en la ecología y en el paisaje 2 0.05 0,12
11 Compatibilidad con el patrimonio cultural e histórico 0 0.00 0,18
12 Dificultad de las tecnologías ingenieriles 3 0.08 0,01
13 Voluntad y cooperación pública 0 0.00 0,02
14 Coordinación con unidades relevantes 6 0.16 0,04
15 Factibilidad de cumplimentar las normas legales 0 0.00 0,02
16 Asegurar la seguridad general en el puerto 1 0.03 0,02
17 Comportamiento general para la capacidad de combate 1 0.03 0,02
18 Asegurar la seguridad de las naves de guerra 3 0.08 0,02
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
59
Figura 4.1 Comparación gráfica del sentido de crecimiento y decrecimiento de
pesos y frecuencia de aparición de criterios en las diferentes soluciones
4.1.4 Análisis del resultado
Analizando el grafico se comprueba que existe una concordancia en el sentido de
crecimiento o decrecimiento de ambos valores en 15 criterios; es decir que un 83 % de
los criterios varían en el mismo sentido considerando ambos sistemas de valoración, en
tanto que hay 3 criterios que varían en sentido opuesto (los criterios 11, 12 y 13).
Esta alta concordancia en el sentido de variación de los criterios podría ser la causa del
alto grado de concordancia que hay entre los dos métodos, como lo demuestran las
ordenaciones de los autores y de Simus 1-2.
Variación en el mimo sentido: Criterios 1,2,3,4,5,6,7,8,9,12,14,15,16 y 17, o sea para el
78 % de los criterios,
Variación en sentido contrario: Criterios 11, 12, 13 y 14, o sea para el 22 % de los
criterios.
Se observa una gran discrepancia de valores porcentuales para los criterios 5,11,12 y 18,
o sea para el 22 % de los criterios.
Esta diferencia porcentual de „intensidades de preferencia‟ puede emplearse para
comparar la valoración efectuada por los autores originales con los valores de
importancia arrojados por Simus. Así, parecería que al criterio 5 se le ha asignado un
peso elevado en comparación con el resto y lo mismo puede conjeturarse para los
criterios 11 y 14. Sin pretender emitir ningún tipo de juicio sobre los motivos de estas
0.04 0.04
0.06
0.02
0.21
0.03 0.03
0.10
0.02
0.12
0.18
0.01 0.02
0.04
0.02 0.02 0.02 0.02
0.05 0.05 0.05
0.03
0.08
0.03
0.08
0.14
0.05 0.05
0.00
0.08
0.00
0.16
0.00
0.03 0.03
0.08
0.00
0.05
0.10
0.15
0.20
0.25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Pesos de criterios en Electre Valores marginales en Simus
60
diferencias, se destaca que el modelo Simus podría quizás usarse como referencia para
el cálculo de los pesos.
4.1.5 Conclusión de este ejemplo
El ejemplo comentado ilustra el método Simus, al permitir abordar problemas con
criterios y valores subjetivos y también con objetivos múltiples, empleando en forma
reiterada el método Simplex de PL. Se ha ejemplificado el empleo y la versatilidad de
Simus hallando la solución a un problema con 18 objetivos y que fuera resuelto por otra
metodología. Los resultados muestran la equivalencia de las soluciones entre ambos
métodos, y se ha llevado a cabo asimismo una discusión de los resultados.
El Módulo 4, es decir la incorporación de la condición de obtener la mayor cantidad
posible de información de los datos originales, no se aplica a este caso ya que su
propósito es fundamentalmente la selección de indicadores, ya sean ambientales,
urbanos o de cualquier otro tipo. Para completar el tema se ha analizado la posible
concordancia entre los valores porcentuales de los pesos asignados a los criterios por los
autores originales del trabajo, y la cantidad porcentual de veces en que un criterio
participa en una solución, y se ha comprobado que existe una concordancia elevada que
se manifiesta por el sentido (aumento o disminución) en la variación porcentual de un
criterio relativo a otros. Naturalmente, un solo ejemplo no es suficiente prueba de la
bondad de una metodología, y por ello en la tabla 6.4 se aborda una comparación con 45
casos distintos resueltos por diferentes autores mediante diversos modelos.
CAPÍTULO 5 COMENTARIOS SOBRE ARTÍCULOS
PUBLICADOS EN EL COMPENDIO
Se comenta a continuación la naturaleza de los artículos publicados en revistas
internacionales especializadas. De los tres artículos comentados, el primero y el tercero
han sido publicados en revistas indexadas, en tanto que el segundo en una prestigiosa
revista especializada.
5.1 Artículo publicado en ‘Ecological Indicators’ 11(2011) 1020-1026
Título:
Methodology to select a set of urban sustainability indicators to measure the state of
the city, and performance assessment
(Metodología para seleccionar un conjunto de indicadores urbanos sostenibles para
medir el estado de una ciudad, y para evaluar su desempeño)
Autor: Nolberto Munier
5.1.1 Descripción del problema
Constituye una aplicación atípica de la PL, debido a las condiciones que exige el
problema planteado. Se trata de un caso que plantea una temática compleja y que se
soluciona aplicando el módulo 4 de Simus (Sección 3.4.5).
Hemos aplicado esta metodología a un problema real planteado por el Ministerio del
Medio Ambiente de Canadá partiendo de varios cientos de indicadores ecológicos
iniciales propuestos a fin de medir ciertos impactos. Para aclarar conceptos se define como
impacto a una consecuencia que puede tener un proyecto, cuya intensidad puede o no medirse.
Por su parte, un indicador se define como una métrica que tiene por objeto poner límites a ese
impacto y además medir su evolución.
El objetivo de este trabajo fue determinar el cumplimiento de una serie de condiciones,
a saber:
1) Primera condición: Diseñar un conjunto final manejable de indicadores clave, quizás
entre un 15 y 20 por ciento del número original, a determinar a voluntad del centro
decisor, y sujetos a que:
2) Segunda condición: Los indicadores se han de seleccionar en base a unos criterios
definidos por el centro decisor y considerando si existe o no una pertenencia de los
62
indicadores a estos criterios, pertenencia ésta determinada mediante un consenso de
expertos, y
3) Tercera condición: Que el conjunto de indicadores finales seleccionados concentre la
mayor cantidad de información posible, a partir de los indicadores originales. Es decir,
tratar de construir un conjunto de indicadores clave que incorpore la máxima cantidad
posible de factores que afectan al medio ambiente, a fin de permitir su control.
A su vez, los indicadores están sujetos a criterios, que deben cumplir con el requisito de
estar cada uno representado por una cantidad especificada mínima de indicadores, y que
suele ser distinta en función de la importancia asignada a cada indicador por el centro
decisor.
5.1.2 Indicadores relacionados con los criterios de selección y estimación de su
importancia absoluta
Para la primera condición, el centro decisor, de común acuerdo con los
expertos, determinaron el número de indicadores finales deseados.
Para la segunda condición, se reunió un grupo de expertos que evaluó cada
indicador con respecto a cada criterio y determinó si existía o no una relación
de pertenencia. Por ejemplo, es evidente que un indicador, tal como el
número 9, „Tasa de desempleo‟, está directamente vinculado con criterios
tales como „Efectos inter-generacionales‟, „Desarrollo económico‟ o
„Bienestar individual‟, y no está relacionado con „Vivir de los intereses‟ (no
se refiere a los intereses que devenga un capital sino a las producciones
periódicas e indefinidas de aquellos bienes que se renuevan en forma
continua, como el aire, agua, cosechas, pesca, etc.), ni tampoco hay vínculo
por ejemplo con el „Mínimo impacto en el medio ambiente‟. Cada relación de
pertenencia se discutió y analizó entre las partes interesadas, y el resultado,
expresado por la matriz de decisión (Tabla 5 del artículo), representó
entonces un consenso.
Las diferentes categorías de criterios son:
Criterios de sostenibilidad,
Criterios generales de selección,
Criterios relativos a las áreas de aplicación,
Criterios inherentes al marco de la OCDE.
Por otro lado, y empleando el mismo procedimiento, todos los analistas asignaron a
cada indicador un valor de importancia sobre una escala de 1 a 10 siguiendo un
procedimiento que consistió en analizar mediante grafos las relaciones de carácter
primario, secundario y terciario existentes. El peso se asignó en función de esas
interrelaciones, a mayor valor mejor, teniendo en cuenta no sólo su importancia sino
también su influencia sobre otros indicadores o sobre otros aspectos ambientales. Es
decir se consideraron los posibles efectos secundarios o quizás paralelos, y además se
tuvo en cuenta la cantidad de información que cada indicador puede aportar.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
63
Por ejemplo, la cantidad de automóviles por habitante es un indicador relacionado con
la contaminación del aire, con la congestión en las calles de la ciudad, con el consumo
de combustible, etc. Este análisis se puede efectuar mediante un procedimiento de
matrices encadenadas, procedimiento desarrollado en este trabajo (ver Sección 3.2.1), y
debido al conocimiento de los expertos sobre el tema, y a los antecedentes existentes
sobre los indicadores originales. La calificación final para cada indicador se obtuvo
mediante un consenso promediado.
Cuando en la comparación se entendió que existía una relación directa entre un
indicador y un criterio se asignó un „1‟ a la intersección de la columna (indicador) con
la correspondiente fila (criterio). Cuando se completó este análisis de influencia o
pertenencia se obtuvo la matriz de decisión de la tabla 5 del artículo y que reproduce
aquí como figura 5.1. Es en realidad una matriz 0-1 y constituye la base de datos con el
cual trabaja el método Simplex. Por razones tipográficas y de restricciones de espacio
para la impresión del artículo por parte de la publicación, la parte de la matriz que
corresponde a „General selection criteria‟, o sea „Criterios generales de selección‟,
aparece vacía, pero en realidad esa submatriz, debería estar situada a la derecha de la
matriz dibujada, como ocurre en la realidad. Sin embargo, la matriz completa puede
observarse en la figura 5.1.
5.1.3 Criterios de selección
Se consideran en este ejemplo 16 indicadores sujetos a 25 criterios, que se corresponden
con las cuatro áreas siguientes:
Metas sostenibles (Sustainable targets) (9),
Criterios generales de selección (General selection criteria) (7),
Áreas de aplicación (Areas) (6),
Marco de referencia de la OCDE (OECD framework) (3).
Para cada criterio se estableció un umbral que respondía a la acción de „mayor o igual
que‟ y que expresa que un criterio en particular debe estar representado, como mínimo,
por una cantidad determinada de indicadores que impuso el analista, de acuerdo a lo que
él consideró suficiente sobre la base de la importancia del criterio. Así, para un criterio
significativo tal como „Intergeneracional‟ (Inter-generation) puede desearse que, como
mínimo, haya dos indicadores que lo examinen. Lo mismo para otros criterios donde el
centro decisor expresó por ejemplo: “Para este criterio deben haber 4 indicadores”,
para “Este otro 3” y así sucesivamente.
Esta restricción se impuso teniendo en cuenta lo que el centro decisor consideró más
necesario e importante. Por otro lado, es posible y muy sencillo cambiar estos valores
(ya que no están vinculados unos con otros, es decir no hay compensación al ser valores
absolutos y no relativos), hallar nuevas entropías y resultados, y sobretodo conocer
cuáles son los criterios importantes en función de los valores de las contribuciones
64
marginales (problema dual) de cada uno, y que aparecen en forma automática en cada
solución del problema primal
Para ello se calculó la entropía de cada uno de los indicadores iniciales mediante su
fórmula, y este valor, normalizado, se usó como coeficiente de la función objetivo. Los
valores de la entropía para cada coeficiente se encuentran en la figura 5.1 en la fila
„Entropy‟. La entropía para todo el sistema, se indica en la misma fila, a la derecha y
tiene un valor de 0,1038.
5.1.4 La función objetivo
El problema así planteado se resolvió por PL usando como función objetivo el
maximizar la cantidad de información, es decir, corresponde a un caso mono-objetivo y,
como tal, si el sistema tiene solución, se alcanza un óptimo de Pareto. El modelo se
planteó en Excel®, se ejecutó mediante el método Simplex, y se empleó el software
Solver®. El resultado arrojó no sólo un conjunto de indicadores que cumple con todas
las restricciones impuestas, sino que además concentra la mayor cantidad de
información que pueden suministrar los indicadores iniciales.
5.1.5 Discusión del resultado de la metodología propuesta
Hay varios aspectos que analizar con respecto a la validez y eficacia del método
empleado.
El primero está relacionado con la obtención de la información que ha obedecido a la
adopción de un procedimiento como es la consulta ponderada y consensuada de
expertos, en lo referente a la calificación sobre el peso de cada indicador, y que es un
método normalmente usado en este tipo de problemas.
El segundo aspecto se refiere a la construcción, siguiendo el mismo procedimiento, de
la matriz de decisión, que en este caso es una matriz de pertenencia, y que si bien no
garantiza que represente exactamente la realidad, provee en cambio una opinión
consensuada sobre estas relaciones.
El tercer aspecto está relacionado con establecer una dependencia entre alternativas y
criterios por medio de relaciones de „mayor o igual que‟, que es una norma corriente en
PL, pero que en este problema postula que los términos de la derecha de las
inecuaciones se fijen también por consenso, y que se determinen en función de la
importancia directa e indirecta que posee cada criterio. Estos valores los fija el centro
decisor en función de sus preferencias y de la importancia que atribuya a cada
indicador, derivado de un grafo de Acciones – Efectos – Consecuencias (véase Sección
3.2.1).
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
65
Figura 5.1 Matriz de decisión empleada para determinar un conjunto de indicadores ambientales que suministren la mayor cantidad posible de información
Selection of a manageable set of sustainability indicators
Show here minimum number of indicators required in final set: 10 , out of the initial set of 16 Results from computation
Show here minimum mumber of sustainable targets that must have indicators: 8 , out of total number of targets Action
Areas ID I I I II II II III III III IV IV V V VI VI VI I I I II II II III III III IV IV V V VI VI VI Thresholds
Indicators ID 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Sustainable targets indicators representing:
Inter-generation 1 1 1 1 1 1 1 1 5 > 2 Choose at least: 2 Inter-generation equity
Intra-generation 1 1 1 1 1 1 2 > 1 Choose at least: 1 Intra-generation equity
Min.impact in the env. 1 1 1 1 1 1 1 5 > 1 Choose at least: 1 Min. impact on the environment.
Living off interests 1 1 1 1 4 > 1 Choose at least: 1 Interest from renewable resources
Min. use of non-renew. 1 1 1 2 > 1 Choose at least: 1 Min. use non-renewable resources
Long term econ.develop. 1 1 1 1 1 1 4 > 1 Choose at least: 1 Long term economic develop.
Diversity 1 1 > 1 Choose at least: 1 Diversity
Individual well-being 1 1 1 1 1 1 2 > 1 Choose at least: 1 Individual well-being
Min.cond. sust. objectives 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 8 = 8 Total number of indicators for sustainability
General selection criteria
Representative 1 1 1 1 2 > 1 Choose at least: 1 Representativity
Understandable by users 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Understanbility by users
Comp. to objectives 1 0 > 0 Choose at least: 0 Comp.to targets & thresholds
Comp. to other indicators 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Comparability to other indicators
Cost effective 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Cost effectiveness
Unambiguous 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Exactness
Attractive to media 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Attraction to media
Areas 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 = 2 DIFFERENCE 10 Diff.with sustainability indic.
Environment 1 1 1 1 1 3 > 1 Choose at least: 1 The environment
Social 1 1 > 0 Choose at least: 0 Social issues
Economy 1 1 1 > 1 Choose at least: 1 Economy issues
Environment-Social 1 0 > 0 Choose at least: 0 Environment & Social issues
Environment - Economy 1 1 1 1 2 > 0 Choose at least: 0 Environment & Economy issues
Economy - Social 1 0 > 0 Choose at least: 0 Economy & Social issues
Env.- Economy - Social 1 0 > 0 Choose at least: 0 Env.-Economy and Social issues
OECD framework 0
Condition 1 1 1 1 1 1 4 > 1 Choose at least: 1 Condition
Stress 1 1 1 1 1 1 2 > 1 Choose at least: 1 Stress
Response 1 1 1 1 2 > 1 Choose at least: 1 Response
Total of indicators 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 10 = 10
Indicators scoring 6 7 6 5 5 5 5 4 6 4 5 6 6 5 5 7 7 7 6 6 7 6 5 6 6 6 5 2 2 7 6 6 177 Summation of weights
Indicators norm. Scoring 0.034 0.040 0.034 0.028 0.028 0.028 0.028 0.023 0.034 0.023 0.028 0.034 0.034 0.028 0.028 0.040 0.040 0.040 0.034 0.034 0.040 0.034 0.028 0.034 0.034 0.034 0.028 0.011 0.011 0.040 0.034 0.034
Entropy -0.115 -0.128 -0.115 -0.101 -0.101 -0.101 -0.101 -0.086 -0.115 -0.086 -0.101 -0.115 -0.115 -0.101 -0.101 -0.128 -0.128 -0.128 -0.115 -0.115 -0.128 -0.115 -0.101 -0.115 -0.115 -0.115 -0.101 -0.051 -0.051 -0.128 -0.115 -0.115 Entropy: 0.1038
(Entropy)x(Norm. Scoring) 0.004 0.004 0.004 0.003 0.003 0.003 0.003 0.002 0.004 0.002 0.003 0.004 0.004 0.003 0.003 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.003 0.004 0.004 0.004 0.003 0.001 0.001 0.004 0.004 0.004
Selected indicators: 1 1 1 1 1 1 1 1 1 1 10
Z (Objective function) 0.04
66
El cuarto aspecto, tiene vinculación con el segundo arriba mencionado y que es la
obtención de un resultado que contenga la mayor cantidad de información posible.
El empleo de la PL posibilita alcanzar una solución óptima del problema ya que sólo se
trabaja con un objetivo que consiste en „Maximizar la cantidad de información del
sistema‟ y, en consecuencia, no hay duda de que la solución alcanzada no sólo es
factible y eficiente, sino que además es la mejor entre todas las soluciones eficientes
posibles, de acuerdo, naturalmente con la exactitud de la información suministrada.
5.1.6 Elección del tamaño del conjunto seleccionado
La cantidad final de indicadores es un tema que debe ser analizado cuidadosamente en
función de los datos iniciales del problema y de la cantidad y magnitud de las
restricciones o criterios. En el caso real (se recuerda que por las razones mencionadas el
ejemplo del artículo es una abreviación del caso real), se adoptó el criterio o „ley‟ de
Pareto que, aplicado a este ejemplo, determina que aproximadamente el 20 % de los
indicadores contiene el 80 % de la información. Sin embargo, en este ejemplo y
considerando la cantidad de restricciones impuestas, se adoptó como medida del
conjunto final, el 50% de los indicadores originales. Es decir, de 16 indicadores
originales, se eligieron 8 para el conjunto final.
Veamos ahora qué sucede cuando se modifica la cantidad de indicadores del conjunto
final. Si se aumenta progresivamente esta cantidad, en general, se incrementará la
eficiencia del sistema, medida por el valor creciente de la función objetivo. Es evidente
que si se empleara el 100 % de los indicadores iniciales - para lo cual lógicamente no
haría falta este análisis ya que no habría selección- se presume que se obtiene la máxima
cantidad de información.
Sin embargo, esta progresión no es lineal ni continua y puede suceder que, para ciertos
tamaños del conjunto final, no haya una solución factible. Inversamente, se puede
analizar qué sucede al disminuir la cantidad requerida de indicadores para el conjunto
final, y se encontrará que se alcanza un límite por debajo del cual no existe una solución
factible, lo cual es evidente, considerando que si se mantienen las restricciones
originales debe existir forzosamente una cantidad mínima de indicadores para que se
pueda satisfacer a todas ellas. En consecuencia, es posible obtener, con poco esfuerzo,
una serie de valores finales y determinar, estudiando la curva de valores de la función
objetivo, cual es la cifra más conveniente.
El análisis de sensibilidad puede también llevarse a cabo registrando los valores de la
entropía del sistema, cuando se varían los coeficientes de importancia asignados a los
indicadores originales. Si hay pequeñas diferencias entre ellos la entropía será grande,
significando que la información que puede extraerse es pequeña. El mínimo de
información (que corresponder a un máximo de la entropía), se alcanza cuando todos los
indicadores tienen el mismo factor de importancia. Este hecho permite hacer nuevos
planteamientos, que es lo más común, ya que el centro decisor suele querer saber “¿Qué
pasa si….?” cuando en la solución final no se encuentran, por ejemplo, ciertos
indicadores que hay interés en que aparezcan.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
67
Contando con estos dos elementos de análisis, es decir el valor de la función objetivo y
el valor de la entropía del sistema, éste mejorará cuando la función objetivo aumente y
la entropía disminuya y viceversa.
5.1.7 Otra versión del modelo
Otra versión de este mismo modelo trata el caso en que no se quiere o no se puede
estimar pesos de importancia para los indicadores originales y, en cambio, si se está en
condiciones no sólo de determinar la relación de pertenencia sino también de asignar
valores entre 1 y 10 a esa pertenencia en cada caso. Se procede de la misma manera en
cuanto a la obtención de los datos, y la matriz de decisión reflejará entonces un conjunto
de valores promedio. En ese caso puede aplicarse el módulo 1 de Simus. La función
objetivo del problema consistirá, como anteriormente, en la maximización de la
cantidad de información.
5.1.8 Conclusión
Como conclusión se estima que el método propuesto permite resolver un problema real
y complejo al cual se enfrentan muchos organismos medioambientales. Se estima por
otro lado que el método soluciona un problema para el cual no hay respuesta conocida
al presente. Además, de acuerdo a la bibliografía consultada se entiende que ésta es la
primera vez que se aplica el teorema de Shannon para garantizar, en este entono, que la
solución contenga o refleje la máxima cantidad de información del sistema.
5.2 Artículo publicado en ‘Environment, Development and Sustainability’- Volume
8, Number 3, 425-443
Título
Economic growth and sustainable development: Could multicriteria analysis be used
to solve this dichotomy?
(Crecimiento económico y desarrollo sostenible: ¿Puede emplearse el análisis
multicriterio para resolver esta dicotomía?).
5.2.1 Antecedentes
Se trata aquí de un tema que es visto por mucha gente como una dicotomía entre
crecimiento económico y desarrollo sostenible, implicando que uno crece a expensas del
otro y que, en consecuencia no puede haber coexistencia.
El objetivo de este trabajo fue demostrar lo contrario, ya que se estima que aunque
enfrentados en muchas circunstancias, en realidad pueden y deben coexistir y la base
para ello es encontrar un punto de equilibrio. El problema consiste en encontrar y
nivelar los valores de intercambio (trade-offs) para poder comparar proyectos entre sí y
llegar a una solución intermedia, satisfactoria, que reduzca a niveles razonables y
68
sostenibles los impactos sobre el medio ambiente y la sociedad y que, al mismo tiempo
permita mantener el crecimiento económico
Como corolario fundamental, ello implica que en los análisis sobre proyectos deben
participar el medio ambiente, la sociedad, y el desarrollo económico en igualdad de
condiciones.
5.2.2 Empleo de la Programación Lineal
El propósito de este artículo es analizar esta aparente dicotomía y demostrar que existe
una herramienta que puede aplicarse para determinar un punto de equilibrio y que es la
Programación Matemática, y, en particular, la Programación Lineal (PL). Naturalmente,
un argumento inmediato es que no todas las acciones son necesariamente lineales, y
quizás la gran mayoría obedezcan a leyes no lineales. Sin embargo, ello no invalida
dicho propósito ya que hay modos de descomponer esas funciones curvas en segmentos
lineales y aplicar entonces las técnicas de PL en cada uno de ellos.
El tema radica entonces en incorporar a los proyectos de desarrollo económico aquellos
criterios que estén relacionados con los impactos que producen (directos e indirectos),
como pueden ser la contaminación del aire, del agua, del suelo, la generación de ruido,
la extracción de áridos de los ríos, los perjuicios y beneficios a la sociedad, el aumento
del ingreso por cada familia, la provisión de energía eléctrica a zonas marginadas etc., y
lo que es más importante, considerar estos efectos en un pie de igualdad con los
impactos económicos. El problema fundamental estriba en no permitir que el desarrollo
económico prime sobre el aspecto ambiental y social; pero tampoco admitir que, en aras
de conservar el medio ambiente, se produzca un deterioro de las condiciones de vida de
la población, ni el estancamiento económico.
Se comenta este caso principalmente para indicar cómo encara el modelo el problema
dado y para ilustrar el uso de uno de los módulos del método Simus, considerando que
hay muchas restricciones de carácter cualitativo. Los grandes proyectos presentan en su
mayoría un cierto número de alternativas de construcción generalmente referidas las
diferentes rutas o trazados posibles. Por ejemplo, en un proyecto que se refiera a la
construcción de una vía férrea de alta velocidad, deben considerarse los costes, junto
con los beneficios económicos y sociales y perjuicios que cada ruta traerá a las
poblaciones intermedias, incluyendo además el factor ecológico al atravesar ríos, zonas
agrícolas, áreas protegidas, etc.
Estamos entonces ante un típico problema de PL en donde existen varias alternativas
(las diferentes alternativas de trazado), cada una atravesando y beneficiando - o
perjudicando - a determinadas poblaciones, y sujetas a una serie de condicionamientos,
criterios o restricciones económicas, sociales y ambientales. Participan en consecuencia
criterios cuantitativos como la longitud de cada trazado, el coste, el potencial de tráfico,
etc., y otros subjetivos tales como el perjuicio económico ocasionado a áreas que
quedarán sin este servicio ferroviario interurbano - que actualmente vincula una serie de
aglomerados urbanos - la opinión de la población afectada, etc. El nuevo proyecto
provocará asimismo una reducción de vuelos entre ambas ciudades (con los perjuicios
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
69
de pérdidas de empleos que ello conlleva), y la disminución de la circulación de miles
de autobuses y turismos que actualmente circulan por la carretera que une a las dos
ciudades, pero también la generación de miles de nuevos empleos, y la disminución en
la importación de combustibles fósiles que el país no produce.
Como se aprecia, el problema es complicado por la cantidad de criterios impuestos, que
pueden ser cientos, tanto sea cuantitativos como cualitativos y por la existencia de
quizás más de un objetivo, aunque probablemente se podría considerar una función
objetivo „evolvente‟ que sería maximizar el empleo de los recursos nacionales (fondos,
financiación, horas efectivamente trabajadas, uso de la tierra, fabricación de
componentes para el proyecto, mano de obra durante la construcción y la operación del
sistema, prestigio a nivel internacional, etc.).
Aquí se ha elegido como función objetivo la de minimizar el coste total del proyecto
que, demás está decir, es quizás el objetivo más importante, siempre y cuando ese coste
represente no sólo el desembolso económico sino también el social y el ambiental.
Generalmente, el coste social, en aspectos tales como los ocasionados por las
externalidades no se considera en los proyectos, como tampoco las externalidades
relacionadas con el medio ambiente.
La PL puede asistir con este problema tan complejo y en realidad su tratamiento guarda
una cierta relación con la matriz de input.-output de relaciones interindustriales de
Leontief (1951), cuya resolución se hace también por PL y con el método empleado por
la Universidad Carnegie-Mellon (Eiolca) de los EE. UU., para computar las toneladas
de contaminantes que se arrojan a la atmosfera en todo proceso industrial. Nuestro caso
es quizás un poco más complicado ya que no abarca sólo los beneficios sino también los
perjuicios, y además los criterios cuantitativos y cualitativos.
Desde ese punto de vista podría considerarse una matriz que contemple efectos
(positivos y negativos), y que debe tener en cuenta todas las interrelaciones (que lo
hace, si los datos se calculan en forma correcta analizando las relaciones directas,
indirectas e inducidas).
Veamos ahora el ejemplo propuesto en el artículo, que consiste en un problema urbano
común, como es el de decidir cuál es la alternativa más apropiada para solucionar un
problema de congestión de tránsito de vehículos. Este caso tiene cuatro alternativas que
son excluyentes entre sí, aunque podrían no serlo, y que están sujetas a 14 criterios de
selección. Estos criterios son una mezcla, como generalmente ocurre en casos reales, de
valores cuantitativos y objetivos, y de criterios cualitativos y subjetivos.
En este caso se supone que el centro decisor optó por asignar pesos a los criterios - lo
cual normalmente no es necesario en PL - y a pesar de que existían valores reales para
los términos de la derecha de los criterios cuantitativos (volumen de tráfico, flujo de
70
tráfico, tráfico urbano, trafico regional, beneficios económicos directos y beneficios
económicos indirectos), se decidió no usarlos porque no se consideraron fiables. Por lo
tanto, para asignar los valores a los términos de la derecha, se normalizó la matriz y se
usó el primer módulo de Simus, tal como se observa en la tabla 4 del artículo.
Queremos destacar que en aquellas restricciones de tipo „Mayor o igual que‟, se eligió
como término independiente el menor valor de cada fila, en tanto que para las de
„Menor o igual que‟, se escogió el mayor valor de cada fila.
A fin de tener en cuenta los costes ambientales y sociales y que se resaltan en cursiva en
la tabla, estos costes se suman, normalizan y luego se agregan a los correspondientes
costes económicos para cada alternativa. La cifra resultante es la que se emplea como
coeficiente de cada alternativa en el funcional que pide minimizar los costes, y de esta
manera quedan contemplados los costes económicos, los sociales y los ambientales.
5.2.3 Resultado
En este caso en particular no interesa tener un ordenamiento de proyectos sino de elegir
sólo uno, que es también el caso más común. Para ello se instruye al modelo para que el
resultado se exprese no sólo en números enteros sino además en valores del tipo 0 ó 1, o
sea binarios.
Dado que no se desea tener un ordenamiento de proyectos sino elegir sólo uno, el valor
debe estar expresado en números enteros: no tendría sentido decir, por ejemplo, que la
solución es de 4,78 para, digamos, la alternativa C. Pero, por otro lado, tampoco tendría
sentido obtener un valor tal como 4 ó 5. Por ese motivo se instruye también al modelo
para que la solución esté expresada en forma binaria, sea decir „1‟ para ejecutar una
alternativa, y „0‟ para no considerarla. De esa manera es que se obtiene como solución,
que la mejor alternativa es la A (tabla 4 del artículo). Es de destacar que el Solver,
puede resolver problemas lineales y de programación lineal entera, aunque ambos estén
presentes simultáneamente en el mismo caso, que es lo que sucede en este ejemplo.
5.2.4 Análisis del resultado
Queremos destacar que la alternativa elegida por el modelo, la A, no es ni la más
económica ni tampoco la que menor impacto ambiental produce. El modelo la escogió
porque es la solución de compromiso y constituye el punto de equilibrio entre el
crecimiento económico y el desarrollo sostenible, del cual se habla más arriba.
En el ejemplo se determina además una ratio entre costes económicos y ambientales
(tabla 5). Obsérvese que para la alternativa elegida ese ratio es de 0,96, muy próximo a
1, es decir a tener igualdad de costes.
Naturalmente, se comprende que la realidad es mucho más compleja que el caso
elemental descrito, pero es evidente que la técnica, aplicada a grandes proyectos de
desarrollo económico tales como la construcción de fabricas de papel, de aluminio, de
acero, carreteras, presas hidroeléctricas, etc., cuando se analizan contemplando, tanto
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
71
los beneficios económicos como los sociales y los perjuicios que se ocasiona al medio
ambiente, es capaz de encontrar una solución equilibrada.
5.3 Artículo publicado en ‘Renewable Energy’ 29 (2002) 1775-1791
Título:
Pre-feasibility MCDM tools to aid communities in prioritizing local viable renewable
energy sources (Elsevier)
(Herramientas multicriterio para la toma de decisiones para ayudar a las comunidades a
priorizar fuentes factibles de energía renovable)
Autores: K. Nigim, N. Munier, J. Green
5.3.1 Antecedentes
El trabajo, desarrollado en la región de Kitchener –Waterloo, provincia de Ontario, en
Canadá, buscó determinar las fuentes de energía renovables más convenientes. El hecho
de tener que decidir sobre cuál de las fuentes renovables seleccionar, y que estén sujetas
a una serie de condicionamientos, lo convierte en un problema de toma de decisiones.
Se utilizaron aquí dos herramientas de decisión, el método AHP y el método Simus.
5.3.2 Resolución mediante el empleo de los módulos de Simus
En el caso propuesto en este artículo se aplicó el primer módulo. Fue una de las
primeras aplicaciones comparadas de Simus y se llevó a cabo para demostrar que la PL
puede también abordar problemas con criterios cualitativos, por lo tanto se trató de
comprobar si partiendo de los mismos datos, su comparación con otro método conducía
a resultados equivalentes. Ello probaría la eficacia de Simus y, a la vez, demostraría la
equivalencia entre modelos. El problema se abordó por dos grupos de trabajo usando
respectivamente AHP y Simus, trabajando independientemente, y posteriormente se
cotejaron los resultados obtenidos.
5.3.3 Planteamiento del problema
Como alternativas se consideraron las siguientes cinco opciones:
A. Térmica solar,
B. Fotovoltaica,
C. Térmica del suelo,
D. Eólica,
E. Mini turbinas hidráulicas.
El detalle y el alcance de cada una de estas alternativas se explican en el artículo, por lo
cual no se repiten aquí.
Los criterios para la selección fueron los siguientes:
72
a) Disponibilidad del recurso,
b) Impacto ecológico,
c) Factibilidad técnica,
d) Factibilidad financiera,
e) Potencial educativo,
f) Beneficios socio económicos.
Como se aprecia hay un criterio cuantitativo (a), ya que se conoce, por estudios
anteriores, el potencial de cada alternativa, siendo el resto de los criterios de naturaleza
cualitativa. La información base que permitió construir la matriz de decisión provino,
como se explica en el artículo, de expertos y a la vez de fuentes federales.
5.3.3.1 Resultado del grupo AHP
Este grupo llegó a obtener los siguientes valores (a mayor valor, más alta prioridad) (tabla 5.1):
Tabla 5.1 Valores prioritarios obtenidos con el método AHP
Alternativas
o fuentes Tipo de fuente Prioridad
A Térmica solar 0,229
B Fotovoltaica 0,205
C Térmica del suelo 0,180
D Eólica 0,217
E Mini turbinas hidráulicas 0,169
El ordenamiento fue por lo tanto:
A – D – B – C – E
5.3.3.2 Resultado del grupo SIMUS
Este grupo llego a obtener los siguientes valores (a mayor valor, más alta la prioridad)
(tabla 5.2):
Tabla 5.2 Valores obtenidos con el método Simus
Alternativas
o fuentes Tipo de fuente Prioridad
A Térmica solar 0.224
B Fotovoltaica 0,206
C Térmica del suelo 0,184
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
73
D Eólica 0,213
E Mini turbinas hidráulicas 0,172
El ordenamiento fue por lo tanto:
A – D – B – C – E
Es decir, se ha obtenido un ordenamiento coincidente en los dos modelos.
Hay que considerar que, si bien ambos modelos parten de la misma base de datos, que
es la generada por AHP para los coeficientes de las alternativas, a partir de ese punto
ambos se desarrollan por caminos totalmente distintos.
AHP procede a multiplicar la valoración obtenida de cada alternativa, en función de
cada criterio, por el correspondiente peso de dicho criterio, que fue derivado a su vez de
una comparación pareada de los criterios, o sea es una agregación aditiva ponderada
Luego, la prioridad de cada alternativa se computa mediante la suma de esos productos.
Simus procede en cambio a hallar los valores factibles y eficientes en los vértices del
politopo que se genera cuando se consideran todos los criterios, y escoge, como
solución óptima aquel vértice que es tangente a la función objetivo, que en este caso
corresponde a maximizar el empleo de las fuentes renovables, y que produce los valores
indicados, y por ende su ordenamiento.
5.3.3.3 Discusión de resultados de este caso
Este resultado parece corroborar la teoría mantenida por varios investigadores y
nosotros mismos, tal como se comenta en la sección 2.9, de que todos los modelos
aplicados a un mismo problema, teniendo en vista el mismo objetivo y empleando
técnicas matemáticas - aunque éstas sean diferentes - deben producir resultados
equivalentes. En este ejemplo, el centro decisor utilizó el método AHP para asignar
pesos a los criterios.
Resumiendo, se puede concluir en que hay al menos indicios de que la metodología
desarrollada por Simus es adecuada, especialmente en su ordenamiento cuando existen
una gran cantidad de combinaciones posibles.
Por otro lado, un solo ejemplo que muestre coincidencia de resultados no faculta hacer
una declaración taxativa de equivalencia; por este motivo, en este trabajo se detalla la
contrastación realizada con una gran cantidad de ejemplos reales, elaborados y resueltos
por investigadores de todo el mundo, y los resultados alcanzados, apoyan la hipótesis de
equivalencia (Véase tabla 6.4, Sección 6.4, Capítulo 6).
Hay otro aspecto a considerar, ya que se ha asumido a priori y en ambos métodos que
todas las alternativas poseen la misma importancia, que queda expresada por el mismo
peso, circunstancia ésta que si bien es factible, no es sin embargo probable. Es posible
en cambio asignar diversos coeficientes de importancia a las alternativas, sobre la base
74
de las características técnicas y operativas de cada una. Por ejemplo, todas ellas,
excepto la C tienen restricciones de continuidad de generación de energía. La A y la B,
se pueden aprovechar sólo de día (aunque es también posible generar en las primeras
horas del anochecer si se almacena energía térmica con dispositivos adecuados, y se la
libera después de la puesta del sol); por otro lado también deprenden de la latitud y de la
época del año.
La alternativa D es función de los vientos predominantes que suelen soplar con
diferentes intensidades a lo largo del año y en determinadas horas, y la alternativa E está
supeditada a las estaciones, la época de lluvias y a los deshielos. En cambio, la
alternativa C, la Térmica del Suelo, utiliza la energía térmica solar almacenada en el
subsuelo y que en una región determinada se mantiene prácticamente constante durante
todo el año. Esto naturalmente provoca que esta alternativa tenga una mayor
importancia que las restantes puesto que la energía puede ser extraída en cualquier
momento, en forma permanente, y en cualquier estación del año.
El hecho de que ambos modelos hayan colocado en primer lugar a la Térmica del Suelo,
y en segundo lugar a la Eólica, que es ciertamente más constante que las restantes y que
no depende de las horas de sol, parece confirmar nuevamente que la comparación
pareada que dio origen a la matriz de decisión, efectivamente tuvo en cuenta estos
factores. Esta conclusión se basa en que cuando se comparan por ejemplo, la Térmica
Solar con la Fotovoltaica en función de un criterio como la disponibilidad del recurso,
es razonable que ambas tengan el mismo valor ya que dependen de la misma fuente, y
eso se refleja en los valores de la tabla 5 del artículo.
Como conclusión, se entiende que este análisis de fuentes no convencionales de energía,
si bien simple, puede dar resultados muy útiles cuando se aplican técnicas para la toma
de decisiones. Naturalmente, es necesario alimentar a los modelos con los datos más
exactos posibles para que los resultados sean los correctos, aunque hay que reconocer
también que a veces las preferencias del centro decisor tienen peso, ya que él puede
cuestionar si una pequeña diferencia en valores o en atributos, hace mas preferible a
priori o a posteriori una alternativa sobre otra.
CAPÍTULO 6 ANÁLISIS DE RESULTADOS, REFLEXIONES Y
CONCLUSIONES
6.1 Consideraciones generales
La presente tesis propone un modelo heurístico alternativo para la toma de decisiones en
proyectos, aun considerando que existen más de una docena de métodos que emplean
diferentes metodologías, asunciones y procedimientos. ¿Cuál es entonces la lógica de
formular un nuevo procedimiento? La razón estriba en que ninguno de ellos, incluido
Simus, puede garantizar que se alcance la mejor solución, aunque a veces ésta no es la
deseable, requerida u obtenible.
No obstante, es obvio que la PL debido a su estructura matemática permite modelar el
problema con una mayor aproximación - aunque desde ya sin representarlo en forma
fidedigna - y a la vez admite considerar las preferencias, opiniones e intereses de las
personas o grupos que han de decidir. Situaciones que son comunes en proyectos de
gran complejidad, como es el planeamiento de una cuenca hídrica y resuelto aplicando
la PL (Véase Cohon, 1978), avalan esta afirmación. Sin embargo, el hecho de que en
estos escenarios existen siempre criterios cualitativos y que normalmente aspiran a
objetivos múltiples, puede haber conspirado para extender el empleo más amplio de la
PL. Se estima que la contribución de Simus al tratar de complementar la PL en lo
referente a estos dos aspectos, la convierte en una herramienta aun más poderosa de lo
que es, al permitir usar la PL en un ámbito en el cual hasta ahora no se ha utilizado.
Es cierto también que en el planteo y resolución de un problema de toma de decisión
por PL hay presentes subjetividades, las cuales son ineludibles en cualquier proyecto
que implique diferentes alternativas, siendo quizás la primera de ellas el decidir sobre la
cantidad y naturaleza de los criterios a aplicar, como así también en el establecimiento
de los coeficientes de una restricción cualitativa, aspectos estos que son comunes a
todos los métodos existentes. En este punto la PL presenta la ventaja de no depender de
las preferencias del centro decisor, ni de necesitar umbrales de aceptación para los
criterios o de elegir una métrica.
No obstante, aun para determinar algo subjetivo como es la fijación de la cantidad y tipo
de restricciones a considerar, Simus propone el empleo de algunas herramientas que si
bien no eliminan la subjetividad, al menos la acotan, cuando se emplean grafos o las
76
matrices escalonadas (Véase Sección 3.2.1); naturalmente estas herramientas también
pueden ser empleadas por los otros métodos. El tratamiento de la incertidumbre y
riesgos, algo siempre presente, también puede manejarse con Simus ya que son
generalmente restricciones cualitativas y que imponen el trabajar con probabilidades.
A fin de aclarar conceptos, es necesario mencionar que los métodos existentes tratan
todos los objetivos en forma simultánea en tanto que Simus los trata ceteris paribus, es
decir optimizando cada uno de ellos, mientras los demás se mantienen como
restricciones o metas, lo cual se lleva a cabo en la primera parte del método. Este
procedimiento genera una matriz de resultados eficientes, que puede considerarse una
matriz de decisión, pero con la diferencia de que todos los valores o coeficientes son
óptimos. Tomando como base esta matriz Simus aplica un algoritmo que analiza todos
los objetivos en forma simultánea y sin necesidad de asignarles pesos - aunque si así se
desea no hay inconveniente en hacerlo. De esta manera Simus se une a los métodos
existentes que tratan a todos los objetivos a la vez.
6.2 Análisis de las soluciones
Desde el punto de vista de la solución o soluciones alcanzadas por Simus hay que
considerar que:
1. En las situaciones a examinar no siempre es posible llegar a una solución óptima sino
a una que satisfaga a la mayoría de los participantes y que contemple sus ideas,
sugerencias y conocimientos sobre un tema en particular. Por otro lado muchas veces no
interesa tanto el paradigma optimizador sino el satisfaciente, lo cual es comprensible,
porque no hay ningún método, matemático o no, que puede reemplazar al razonamiento
humano. Este resultado satisfaciente es el que se alcanza con los modelos existentes y
es también el resultado que ofrece Simus.
2. La técnica PL/Simus arroja resultados óptimos cuando se consideran casos con un
solo objetivo, salvo en algunos desarrollos, tales como la „Programación por Metas‟
(Goal Programming) (Véase Romero, 1991), en los cuales se puede introducir más de
un objetivo, pero que también requiere de apreciaciones subjetivas en la determinación
de los desvíos aceptables por parte del centro decisor o del analista.
3. En ciertos proyectos se necesita que la solución sea no un ordenamiento de proyectos
o de alternativas, sino que indique claramente cual, de entre todas las alternativas, es la
„mejor‟. Es decir se requiere un resultado binario del tipo „1‟ individualizar un proyecto
o proyectos y rechazar otros, indicándolos con „0‟. El método PL/Simus puede producir
esos resultados.
6.3 Contrastación de resultados
Todos los modelos existentes - excepto la PL monoobjetivo y en casos la Programación
por metas - arrojan resultados cuyo grado de exactitud no puede determinarse, al no
existir o conocer cuál sería la solución ideal, y Simus no es la excepción. ¿Cómo puede
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
77
entonces comprobarse que se alcancen resultados satisfacientes? Una forma es plantear
un caso en particular, resolverlo mediante diferentes métodos, y luego comparar los
resultados alcanzados.
Si estos coinciden o están muy cercanos, es factible suponer que el resultado hallado es
el más satisfaciente de entre todos los posibles. Por lo tanto, es interesante efectuar para
un problema dado un contraste entre los diferentes métodos, y eso es lo que se ha hecho
en esta tesis, al contrastar los resultados de Simus con los de varios métodos, resueltos
por distintos investigadores, y para diversos problemas, situaciones y áreas, abarcando
un total de 45 casos.
De acuerdo a la bibliografía consultada sobre cada problema se presentan diversos
casos a saber:
a) Emplean un modelo determinado, por ejemplo, Maut,
b) Utilizan variaciones de un modelo determinado, por ejemplo usan Promethee I y
III, Regime AHP y con VISA,
c) No se indica el modelo empleado.
Sin embargo, y como un común denominador, se emplea Simus en todos los casos, o
sea se compara este último contra todos los modelos y situaciones, lo cual suministra
una amplia gama de comparación.
¿Cómo se ha efectuado la comparación?
Se ha adoptado el siguiente criterio:
1) Completa coincidencia perfecta con Simus en el ordenamiento proveniente de un
modelo en particular - evidentemente la situación mas difícil - considerando que la
cantidad de soluciones posibles para un caso digamos de 8 proyectos o alternativas es
de 8! = 40320 combinaciones posibles,
2) Coincidencia en el ordenamiento de los dos primeros proyectos o alternativas,
3) Coincidencia sólo en la selección de la primera alternativa,
4) Sin coincidencia apreciable.
En todos los casos se asume que los resultados alcanzados por los autores son los
„adecuados o correctos‟ y que entonces corresponde a Simus emularlos. Por lo tanto,
si no hay coincidencia, esta discrepancia se atribuye a Simus por cualquier motivo
que sea.
Es indudable que esta condición dura no favorece a Simus, dado que también puede
haber habido inconvenientes o quizás un inadecuado planteamiento en el modelo
heurístico utilizado; sin embargo, se mantiene esta postura dado que es necesaria
para poder comparar resultados. Por otro lado, es evidente que el o los autores
originales en cada caso han contado con un nivel y calidad de información que los
78
autores de esta tesis no conocen ya que han trabajado sólo con los datos
proporcionados en los respectivos artículos.
Los resultados de la contrastación se muestran en la tabla 6.4, y el resumen en la tabla
6.1.
Tabla 6.1 Porcentajes de coincidencia en los resultados
Cantidad
de casos
Porcentaje
parcial
Porcentaje
acumulado
Completa
coincidencia en el
ordenamiento de las
alternativas
19
42,2
42,2
Coincidencia en las
dos primeras
alternativas
8 17,7 59,9
Coincidencia solo en
la primera
alternativa
13 28,8 88,7
Sin coincidencia 5 11,1 100
De aquí, se desprende que:
1. Se llega a una coincidencia acumulada del 88,7 % lo cual se considera una
demostración heurística evidente de que el modelo Simus puede resolver los mismos
tipos de problemas que los modelos existentes.
2. Es interesante verificar además que el caso más difícil de concordancia - que es
evidentemente obtener una coincidencia total de ordenamiento, dada la múltiple
posibilidad de combinaciones posibles - es precisamente el que obtiene un porcentaje
más alto (42,2 %).
Aun siendo elevada, esta concordancia perfecta es en realidad mayor, dado que en el
cómputo anterior no se consideró el proyecto número 28 que arroja una concordancia
perfecta para q = 0,20. Esto se debe a que, debido a la estabilidad que se aprecia a partir
de q ≥ 0,30 se consideraron sólo los ordenamientos correspondientes a estos últimos „q‟
y que difieren muy levemente. En caso de considerar también este proyecto como de
coincidencia perfecta, el porcentaje anterior se eleva al 44,4 %. Es evidente que estos
valores excluyen toda presunción de que estas coincidencias se deban al azar.
Los resultados de esta comparación, expresados en forma cuantitativa, están en línea,
refuerzan y confirman lo expresado en la Sección 1.2 cuando se habló sobre los
objetivos de este trabajo. Estas conclusiones se consideran importantes, pues no se
refieren a un caso sino a una cantidad significativa de casos, y porque abarcan una
amplia gama de actividades como se aprecia en la tabla 6.4. Por otro lado se comparan
los resultados alcanzados por modelos distintos, sobre problemas diferentes, y todos
ellos en forma individual, versus Simus.
6.4 Comentarios sobre la resolución de los casos
La investigación llevada a cabo abarcó 45 casos reales, con información procedente de
diversas fuentes que incluyeron: Contacto personal y por correspondencia con autores,
libros, artículos, e Internet. En algunos casos hubo discusión con los respectivos autores
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
79
y en todos los casos los mismos manifestaron su aprobación del método Simus que se
aplicó a sus proyectos. La tabla 6.2 muestra un desglose de los modelos empleados en
dichos casos.
Tabla 6.2 Modelos empleados y cantidad de
problemas resueltos por cada uno
Modelo empleado
Cantidad de proyectos
resueltos por cada
modelo
AHP 11
Coste/Beneficio 2
Desconocido 1
Electre 10
GIS 1
Maut 4
Programación por metas 1
Promethee 8
Regime 2
Sami 2
Simulación y Visa 1
Simus 45
Suma ponderada 1
Topsis 1
Los proyectos estudiados están agrupados de acuerdo a los siguientes 11 sectores y que
se muestran en la tabla 6.3, como así también la cantidad de proyectos por sector.
Tabla 6.3 Sectores a que pertenecen los proyectos
y cantidad de proyectos por sector
Sectores Cantidad de
proyectos
Infraestructura 11
Varios 7
Generación y distribución eléctrica 7
Medioambientales 4
Agrícolas 3
Localización industrial y distribución 3
Actividades industriales 3
Gestión de residuos sólidos 2
Planeamiento económico 2
Gobierno 2
Viviendas 1
La tabla 6.4 detalla todos estos casos y suministra la siguiente información en cada
columna:
Columna 1: Número de identificación de cada proyecto
Columna 2: Área a la que pertenece el proyecto y de acuerdo a lo detallado en
tabla 6.3.
Columna 3: Tipo de proyecto,
80
Columna 4: Componentes del proyecto, es decir cantidad de alternativas y de
criterios,
Columna 5: Modelo/s empleado/s por los respectivos autores,
Columna 6: Resultado alcanzado por los autores,
Columna 7: Resultados alcanzados por el método de PL/Simus, empleando los
módulos (1) ó (1 y 2) en conjunto,
Columna 8: Comparación de resultados de acuerdo a los criterios comentados en
la Sección 6.3.
Observar que en las columnas 7 y 8 se han colocado para cada caso los ordenamientos
completos. Se han subrayado las alternativas en donde hay coincidencia de resultados
con Simus, y de acuerdo a lo mencionado en la Sección 6.3. Así, para el proyecto
numero 01 se verifica que sólo hay coincidencia en la primera alternativa, que es la P3.
En el proyecto 03 sólo hay coincidencia en las dos primeras alternativas A y C, etc.
6.4.1 Interpretaciones sobre algunos casos analizados y su resolución por LP/Simus
(La numeración de los proyectos no sigue un orden natural ya que están
ordenados por áreas de actividad)
Comentario sobre el caso 23 (Localización industrial y distribución, Polonia)
Los autores resuelven este problema empleando AHP y Electre. Su resolución por
Simus muestra que hay acuerdo en la elección de la primera alternativa y discrepancia
con respecto a la segunda y tercera, pero las alternativas elegidas coinciden con la de los
autores. Hay que tener en cuenta que estos no especifican qué es deseable desde el
punto de vista de la compañía sobre una serie de criterios que tuvieron que ser asumidos
al aplicar Simus y que se basaron en cierta lógica operativa. Por ejemplo, se desconoce
si la compañía desea tener depósitos propios o no, si aspira a tener su propio transporte
o a contratarlo, etc. En consecuencia es razonable esperar que de haber tenido toda la
información disponible, Simus hubiera alcanzado el mismo ordenamiento que los
autores.
Comentario sobre el caso 13 (Construcción de centrales hidráulicas, Nepal)
No se conoce el modelo empleado por los autores aunque se presume que haya sido
Maut o Coste/Beneficio.
Es indudable la complejidad de este proyecto, y aunque se desconocen las técnicas de
análisis que emplearon las compañías consultoras Acres y SNC Lavalin, ambas de
Canadá, y responsables del estudio, es obvio que se hizo un análisis profundo y que las
conclusiones a que arribaron - que se detallan en la correspondiente resolución por
Simus - indican un estudio concienzudo en cada sitio no sólo de las condiciones
geológicas, hidrográficas y sociales sino también de las ambientales. Apoyado en los
datos suministrados por este estudio se aplicó la metodología Simus, y aunque no se
pretende haber resuelto de esta manera un problema muy complejo, es evidente que la
metodología detectó y señaló los mismos proyectos a que arribaron los consultores. El
mayor mérito sin embargo no es del modelo, sino de la voluminosa y precisa
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
81
información y datos recogidos y elaborados por los consultores, cualquiera que hayan
sido las técnicas empleadas.
Comentario sobre el caso 26 (Construcción de una línea de alta tensión, Sud
África)
Los autores emplearon el método GIS para su resolución. Este es un caso complejo, no
por sus 8 alternativas y 19 criterios, sino debido a la necesidad de optimizar tres rutas, la
correspondiente al primer tramo entre las poblaciones A y B, la del segundo tramo,
entre B y C, y el tercer tramo, entre A y C, y con diversas opciones para cada tramo.
Para su resolución por Simus se duplican los criterios, o mejor dicho cada atributo
figura dos veces, ya que está acotado en su valor mínimo y máximo. Por otro lado, los
criterios abarcan una gran variedad de aspectos tales como poblaciones, cultivos, ríos a
atravesar, rutas a cruzar, pendientes de los terrenos, condiciones de distancia a las
granjas y a los pueblos etc. Es de hacer notar que se envió este problema - resuelto por
Simus - a los autores, quienes respondieron entusiastamente dado que los resultados
alcanzados por este método coinciden con los de ellos.
Comentario sobre el caso 11 (Importación de energía eléctrica, Noruega)
Originariamente resuelto por su autor con una combinación de AHP y Maut.
Este ejemplo es muy interesante porque analiza cómo distribuir la energía generada, ya
sea térmica o eléctrica o ambas. Lo que lo hace más relevante es el propósito ecológico
del estudio ya que considera emisiones de CO2 y NOx. Esto no es por supuesto nada
nuevo, pero lo que se resalta aquí es que Noruega, un país cuya economía está basada
fundamentalmente en la producción de energía eléctrica debido a las muchas fuentes
hidroeléctricas que posee, debe importar el fluido de otros países y lo que el ejemplo
analiza es cuál será la contaminación que se producirá en los países donde se genera la
energía, no en Noruega, debido a que los primeros pueden producir energía a partir de
combustibles fósiles. Cuando se lo resolvió con Simus el resultado arrojado por este
método coincidió en la identificación de la primera alternativa, que es también la
obtenida por las dos versiones de AHP empleadas.
Comentario sobre el caso 66 (Selección de fuentes no tradicionales para generación
de energía eléctrica, Italia)
El Autor desarrolla su análisis empleando el método Promethee y encuentra tres
resultados, ya sea que se considere el sistema completo, o con orientación técnico-
económica o con orientación medioambiental. De esos tres halla concordancia en dos de
ellos. En este caso el Autor emplea tres tipos de pesos para los criterios que
son: que corresponde al escenario
orientado a la economía y γ, correspondiente al área social y de medioambiente. Al
resolverlo por Simus se llega a coincidir con el segundo escenario. Hay que tener en
cuenta además que se desconoce qué tipo o tipos de funciones de preferencia empleó el
82
Autor, y bien pudiera ocurrir que un cambio en esa elección haga coincidir en forma
total el ordenamiento de Promethee con el de Simus.
Comentario sobre el caso 25 (Protección de cultivos, EE.UU.)
El Autor empleó el método AHP y también se llevó a cabo su resolución por Simus.
Es un caso sencillo, pero se lo comenta para demostrar la versatilidad de Simus en un
proyecto que es totalmente de naturaleza cualitativa, alcanzándose el mismo resultado.
Comentario sobre el caso 39 (Investigación agrícola - ganadera, Ucrania)
Los autores originales lo resuelven empleando AHP. Si se extrae una de las
restricciones, la más obvia - que es el valor de la producción y se la maximiza - Simus
obtiene como resultado elegir la producción de carne de cerdo, que es la misma solución
de los autores.
Dado que en este método los valores cuantitativos se agrupan en intervalos y en función
de que a cada intervalo se le asigna un valor cardinal en una escala dada, se comprende
que los resultados no sean exactos. Este proyecto es interesante por varios motivos:
1. Si bien es cierto que no hay una concordancia perfecta en cuanto a ordenamiento hay
que tener en cuenta que los autores emplean para los criterios rangos de valores para
cada uno y luego asignan un valor cardinal en una escala arbitraria a cada rango. Por
supuesto esto es perfectamente permisible, sin embargo, esto hace que se trabaje con
valores que no son exactos sino que están dentro de un cierto rango y se asume la
valoración del rango como la contribución de cada alternativa correspondiente a cada
criterio. Simus trabaja en cambio con los valores cuantitativos exactos por lo que se
presume que el resultado también lo es. Esta circunstancia puede explicar la
discrepancia en el ordenamiento al emplear ambos métodos.
2. La resolución mediante PL de este problema, además de identificar el ordenamiento
ofrece la información de los valores marginales o precios sombra para algunos
criterios, es decir, indica cuanto varía la función objetivo, que en este caso es el valor
de la producción anual en millones de Euros. De esa manera es posible determinar la
importancia de cada criterio, ya que lógicamente será más importante aquel que
produzca el máximo aumento al funcional. En nuestro caso, el criterio más
importante es la conservación de agua, y el aumento de una unidad en la valoración
mínima implica un crecimiento del funcional.
Comentario sobre el caso 41 (Uso sostenible de la tierra, Grecia)
Este caso ha sido originariamente resuelto empleando el modelo Regime.
Es interesante destacar que los autores trabajaron exclusivamente con valores
cualitativos pero sin dar la equivalencia cardinal. Para resolver este caso, Simus se
apoya en los conceptos cualitativos y los convierte en cardinales mediante una sencilla
tabla de equivalencias, que más que probablemente difiere de la que emplearon los
autores, ya que ésta se desconoce; sin embargo se alcanza el mismo resultado.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
83
Comentario sobre el caso 15 (Selección de inversiones, Rumania)
El trabajo original fue resuelto por sus autores con Electre en sus diferentes versiones I,
II, IV y Modificado, y encuentra diferentes soluciones para cada una de dichas
versiones no registrándose en consecuencia coincidencias entre ellas en cuanto al
ordenamiento. Resuelto el problema por Simus, éste encuentra una solución en la cual la
primera alternativa no coincide con ninguna versión de Electre I.
Comentario sobre el caso 67 (Sostenibilidad urbana, Europa)
El Autor usa el método Maut y comenta que hay mucha incertidumbre en los datos, y
opina que “Todas estas incertidumbres tienen que considerarse cuando se especifica
que una ciudad es mejor que otra” y agrega “Esta incertidumbre es ignorada
completamente por la regla de agregación lineal”. Cuando el problema se resuelve por
Simus éste encuentra una solución en la cual coinciden las dos primeras alternativas y
con una inversión de ordenamiento de las dos últimas.
Comentario sobre el caso 27 (Minería, Turquía)
Los Autores emplean el método Promethee y cuando se compara con el resultado de
Simus éste es sólo aproximado, ya que asigna al primer lugar una alternativa que
Promethee afecta al segundo lugar. Sin embargo, hay que tener en cuenta que los
autores utilizaron pesos para los criterios que fueron determinados en forma subjetiva
por los gerentes de las diversas aéreas, en tanto que Simus no empleó ningún peso.
Repitiendo el análisis con Simus pero considerando los pesos de los autores, los
resultados de ambos métodos coinciden.
Comentario sobre el caso 65 (Medios de comunicación, EE.UU.)
Como se aprecia, hay coincidencia en la primera selección ya que el ordenamiento es
completamente dispar. Este ejemplo es interesante ya que el autor original hace un
análisis cambiando los pesos y obtiene la misma primera selección pero con un
ordenamiento totalmente distinto, lo cual evidencia que la elección depende del peso
que se asigne a los criterios y como estos son subjetivos, muestra en este caso que la
solución, si bien es estable al seleccionar la misma alternativa, esa estabilidad no se
refleja en el ordenamiento. Simus provee también, como se ha visto, un ordenamiento
diferente, y podemos determinar la estabilidad de la solución mediante el cambio de
algunos parámetros para analizar los resultados. En este caso se le pide al modelo que
entregue una solución con la condición de que se haga un ordenamiento total, es decir
abarcando todas las alternativas; el modelo la hace (solución 1), y el resultado sigue
siendo el mismo. Se pide luego que se haga un ordenamiento considerando sólo algunas
alternativas (solución 2) y la solución sigue igual. Por último puede pedírsele que
aplique PL pura, y la misma selección continúa, lo cual muestra que ésta es muy
estable. Es decir, para este caso en particular hay una estabilidad manifiesta en el
ordenamiento hallado por Simus, que no se verifica con Promethee.
Comentario sobre el caso 46 (Industria automovilística, Austria)
84
Este caso muestra una aplicación poco común de las técnicas multicriterio, pero lo que
realmente atrae y es importante, es que se elije un procedimiento de pintura base en
forma de dañar lo menos posible al medio ambiente y empleando el concepto de
„Evaluación Técnica Integrada‟, exigido por el Concejo de la Unión Europea. Como se
aprecia en los resultados, Simus selecciona la misma primera alternativa que Promethee
aunque hay un ordenamiento dispar entre ambos métodos, que puede ser quizás debido
a la subjetividad en la elección de las funciones de preferencia en el método Promethee.
Por otro lado hay que mencionar que la resolución del problema mediante Simus
implica hacer asunciones sobre su naturaleza que nos son desconocidas ya que no están
explicitados en la literatura provista.
Por lo tanto, se puede llegar a deducir que en un caso en donde los investigadores
tengan un conocimiento cabal del problema y estén de acuerdo en los principales
parámetros (por ejemplo que hay que minimizar y maximizar respectivamente) es de
esperar que el empleo de Simus arroje resultados aun más exactos. Para resolver este
problema en Simus se extrajo una de las restricciones del problema - la correspondiente
a los costes - y se la empleó como función objetivo, minimizándola. Coincidentemente
se observa que el ordenamiento de los autores del artículo considera, probablemente en
forma implícita este aspecto, ya que la solución de las dos primeras alternativas cae
precisamente en aquellas que tienen menor coste.
6.5 Fortalezas y debilidades
Es evidente que la PL tiene fortalezas y debilidades. Como resumen de todo lo expuesto
a lo largo de este trabajo, cabe destacar entre sus fortalezas que su fundamentación
axiomática no sólo justifica los resultados parciales obtenidos sino que, lo que se
considera más importante, permite construir un modelo matemático más representativo
del proyecto, fundamentalmente debido a la necesidad de emplear límites de los
criterios, que incluso pueden mostrar una gama de valores para cada criterio. Se agrega
a ello el no necesitar asignar pesos a los criterios ni de establecer umbrales de
indiferencia y de aceptación. Permite, por otro lado, un exhaustivo análisis de
sensibilidad que no está basado en los pesos de los criterios, común a todos los métodos,
sino en la contribución marginal de cada uno de ellos a la obtención del objetivo, lo cual
se considera más acertado.
Como debilidad, es una realidad que el modelo no escapa a la subjetividad inherente a
cualquier problema de decisión, como lo es por ejemplo la fijación de los coeficientes
de las alternativas para criterios cualitativos y la selección de criterios.
Por otro lado, puede argüirse que la fijación de los límites de las restricciones es
también a veces subjetiva y eso es cierto. Sin embargo, el análisis de sensibilidad
provee una valor de importancia de los criterios que no depende de pesos fijados en
forma preferencial sino en los mismos datos del problema, es decir responde a datos
intrínsecos del problema y no ajenos al mismo. Consecuentemente, el conocer en forma
fehaciente la importancia de cada criterio hace que sea posible poner mayor énfasis y
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
85
cuidado en la determinación de aquellos valores de límites que realmente son
significativos.
6.6 Cumplimiento del objetivo propuesto
Esta sección tiene por objeto analizar si se han cumplido las hipótesis planteadas al
comienzo, en la Sección 1.2; al respecto se tiene que:
1. Queda demostrado que la PL con al agregado de Simus, puede usarse como un
método más para la toma de decisiones y especialmente para resolver problemas de
naturaleza compleja, con incertidumbre y varios objetivos, como quedó demostrado en
el Capítulo 3 y con los ejemplos comentados en las publicaciones especializadas. Con
referencia a éstas se tiene:
En la primera publicación, referida a la resolución de un complejo problema de
selección de indicadores ambientales, se aplica PL y el modulo 4 de Simus, descripto en
la Sección 3.4.5.
En la segunda publicación, referida a tratar la supuesta dicotomía entre crecimiento
económico y sostenibilidad, aplica el modulo 1 de Simus que permite a la PL trabajar
con problemas que tienen criterios cualitativos.
La tercera publicación que se refiere a una selección de fuentes renovables para
generación de energía, prueba que se alcanza el mismo resultado cuando el problema se
resuelve por dos métodos distintos, este es AHP y Simus.
Se recuerda que el Capitulo 4 describe en detalle la aplicación de los módulos 1 y 2 de
Simus para la resolución de un problema de decisión relativamente complejo sobre
proyectos para aprovechar el uso de la tierra en un puerto de Taiwán.
2. Se ha demostrado, al menos heurísticamente, que los modelos para la toma de
decisiones producen resultados equivalentes. Esta hipótesis ha quedado demostrada en
el análisis de los 45 casos reales y en donde se alcanza una coincidencia acumulada en
los ordenamientos del 88.7 %. (Véase tabla 6.1, Sección 6.3).
6.7 Conclusión
Se entiende por todo lo expuesto que el método PL/Simus como herramienta alternativa
de análisis, constituye un aporte significativo a la batería de métodos clásicos para la
toma de decisiones, y que suministra como mínimo soluciones equivalentes a las
alcanzadas por otras técnicas. Por otro lado, se ha demostrado asimismo que cuando el
problema es muy complejo, con gran número de alternativas, criterios, interrelaciones y
condiciones, la PL/Simus es una herramienta muy adecuada para gestionar la
información.
Es indudable que no es éste el final del camino ya que quedan aspectos por corregir y
mejorar. Prevemos posibilidades de desarrollos futuros, por ejemplo: con los datos de la
matriz de resultados eficientes, en donde hay varios „inputs‟ y varios „outputs‟ sería
86
quizás posible aplicar la técnica „Data Envelopment Analysis‟ para encontrar cuál de las
fronteras obtenidas en el análisis mono-objetivo, correspondientes a las filas de la
matriz, es la más eficiente, en lugar de emplear el procedimiento aditivo (Módulo 2).
No se descarta, por otro lado, que el modelo pueda trabajar en conjunción con los
métodos heurísticos convencionales, algo que de hecho ya se hace en la actualidad, pero
aprovechando asimismo las ventajas que ofrece el Módulo 1 de Simus.
Se entiende por otro lado que los ejemplos propuestos en las tres publicaciones del
compendio reflejan en forma objetiva las hipótesis planteadas al comienzo de esta tesis,
referente no sólo a la utilidad de la PL/Simus para resolver problemas con varios
objetivos y con criterios cualitativos, sino también en el hecho de demostrar que se
puede alcanzar un resultado similar – si no idéntico - trabajando con dos modelos
diferentes. Uno de las publicaciones, alcanza por otro lado, usando el modulo 4 de
Simus, a encontrar una solución factible a un problema de muy difícil características y
del cual no conocemos que haya sido resuelto con anterioridad por algún otro modelo.
Como conclusión puede resumirse que el método propuesto cumple con los dos
objetivos planteados en la sección 1.2, referente a que la PL puede emplearse
ventajosamente para la resolución de problemas de toma de decisiones y con objetivos
múltiples, y que además demuestra que los modelos heurísticos que se utilizan para este
fin deberían producir resultados equivalentes. Desde este último punto de vista,
considerando que el algoritmo del Símplex sigue estrictos procedimientos matemáticos,
se estima que la PL puede tomarse como referencia para analizar los resultados
alcanzados por otros métodos, y naturalmente, para resolver problemas similares o más
complejos.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
87
Tabla 6.4 Comparación de diversos proyectos resueltos por diferentes modelos con las soluciones alcanzados por Simus
Diferentes tipos de proyectos, su resolución y comparación
de resultados cuando se resuelven empleando LP / SIMUS
1 2 3 4 5 6 7 8 9
#
Área a la que
pertenece el
proyecto
Título original del
proyecto y autor/es
Tipo de
proyecto
Componentes
del proyecto
Modelo
empleado por
los autores
Resultados de
los autores
Resultados de
PL /SIMUS
Comparación
de los
resultados de
los autores
con aquellos
de PL/
SIMUS
PROYECTOS DE INFRAESTRUCTURA
01 Navegación
fluvial y puertos
(Cities Economics and
Economic
Development Number
132 – Page 128)
Selección de
rutas fluviales e
interconexión
hídrica
Alternativas: 6
Criterios: 7
SAMI
P3-P4-P2-P6-
P5-P1
P3-P5-P2-P1-
P3-P4
Coincidencia
sólo en la
primera
alternativa
02 Aeropuertos Integrated MCDA: A
Simulation Case Study
(Belton et al, 1998)
Programación de
vuelos en un
aeropuerto
Alternativas: 6
Criterios: 7
SIMULACIÓN
y
V.I.S.A.
E-F-A-D
F- E-B-D
Coincidencia
en las dos
primeras, pero
invertidas
88
03 Aeropuertos A note of the selected
multicriteria decision
methods and their
applications
A Case: Pittsburgh
Airport Transportation
Project (1999)
Acceso a un
aeropuerto
Alternativas: 4
Criterios: 6
AHP
GOAL
PROGRAM.
ELECTRE
MAUT
AHP:
A-B-C-D
Programación
por metas:
A
ELECTRE:
A-B-C
MAUT:
A-C B-D
A
A -C
Coincidencia
sólo en la
primera
alternativa en
todos los
modelos. En
las dos
primeras en
MAUT
10 Aeropuertos A Multicriteria
Decision Support
Methodology for
Evaluating Airport
Expansion Plans
(Vreeker et al, 2001)
Selección de
políticas para la
expansión de un
aeropuerto.
Maastricht.
(Holanda)
Alternativas: 4
Criterios: 2
REGIME
B – C – A- D
B - C – A – D
Total
coincidencia
en el
ordenamiento
28 Puertos Multicriteria decision-
making using Electre
(Huang et al, 2005)
Selección de
proyectos para
uso de la tierra
en el puerto de
Keelung.
(Taiwán)
Alternativas: 6
Criterios: 17
ELECTRE
A – F-– B/C -
E - D
F/A – B/C – D
– E
Coincidencia
casi perfecta
con inversión
en el último
par
05 Caminos y
ferrocarriles
Analytical Network
Process Model for
Highway Corridor
Planning
(Piantanakulchai,2003)
Planeamiento de
un corredor vial.
(Tailandia)
Alternativas: 4
Criterios: 37
ANP
B-A-C-D
B-A-C-D
Total
coincidencia
en el
ordenamiento
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
89
07 Caminos y
ferrocarriles
Road Materials
(No se menciona al
autor)
Selección de la
mejor mezcla
para pavimentos.
(Polonia)
Alternativas: 4
Criterios: 3
ELECTRE
3-1-4-2
3
Coincidencia
sólo en la
primera
alternativa
17 Urbanismo
(Agua potable)
Water supply system
decision making using
multicriteria analysis
(Morais et al, 2006)
Decisión sobre
abastecimiento
de agua potable.
(Brasil)
Alternativas: 8
Criterios: 4
ELECTRE
A3
A3 –A2 – A1
Coincidencia
sólo en la
primera
alternativa
18 Urbanismo
(Alcantarilla-
do)
The sustainability of
conventional versus
nature based sewerage
systems
(Lindholm et al, 2003)
Análisis sobre
incorporar una
zona de la ciudad
al alcantarillado
urbano o seguir
con los pozos
ciegos existentes.
Oslo (Noruega)
Alternativas: 2
Criterios: 11
ANÁLISIS
COSTE/BENE-
FICIO
Continuar con
pozos ciegos
Continuar con
pozos ciegos
Total
coincidencia
en el
ordenamiento
30 Urbanismo
(Infraestructura)
Strategic
implementation of
infrastructure priority
projects: Case study in
Palestine
(Ziara et al, 2002)
Selección de diez
proyectos de
infraestructura.
Franja de Gaza
(Palestina)
Alternativas: 8
Criterios: 7
AHP
WE15
WE55
WE03
WE08
WE15
WE55
Coincidencia
en las dos
primeras
alternativas
24 Transporte Inadequate route
selection oil pipeline
through Georgia
Oleoducto Bakú
(Mar Negro) –
Tbilisi- Ceyhas
(Mediterráneo)
Alternativas: 4
Criterios: 10
N o se menciona
el modelo
usado, aunque
presuntamente
la selección se
debió a razones
políticas y de
Central
Modificado
Central
modificado
Total
coincidencia
en el
ordenamiento
90
(The Netherlands
Commission for
Environmental Impact
Assessment)
seguridad
PROYECTOS DE GESTIÓN DE RESIDUOS SÓLIDOS
06 Residuos
sólidos
An integrated multi-
criteria decision
analysis and inexact
mixed integer linear
programming
approach for solid
waste management
(Cheng et al, 2003)
Gestión de
residuos sólidos.
Regina.
(Canadá)
Alternativas: 11
Criterios: 11
Emplea:
SWA
ELECTRE
TOPSIS
CGT
WP
Todos los
modelos
excepto CGT
eligen:
6 - 2
6 - 2
Total
coincidencia
en el
ordenamiento
37
Residuos
sólidos
Doctoral Thesis
University of Milano
(Tasca, 2006)
Localización de
incineradores de
residuos
domésticos.
Reggio Emilia.
(Italia)
Alternativas: 4
Criterios: 11
ANALISIS
COSTE/BENEC
IO
1. Gabasa 80
Metros
2. Gabasa 120
Metros
1. Gabasa 80
Metros
2. Gabasa 120
Metros
Total
coincidencia
en el
ordenamiento
PROYECTOS GUBERNAMENTALES
22 Gobierno DTLR Multa-Criterios
Analysis Manual
(Dogdson et al, 2002)
Ejemplo extraído
del „Manual de
Procedimientos
del Reino
Unido‟.
(Inglaterra)
Alternativas: 7
Criterios: 6
ELECTRE I
F - G
F
Coincidencia
sólo en la
primera
alternativa
33 Gobierno Strategic Evaluación
estratégica de la
Total
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
91
environmental
assessment of
Canadian
energy policy
(Noble, 2002)
política
ambiental
canadiense.
Ottawa.
(Canadá)
Alternativas: 5
Criterios: 11
No se indica el
modelo usado
3-1-5-2-4
3-1-5-2-4
coincidencia
en el
ordenamiento
PROYECTOS DE LOCALIZACIÓN INDUSTRIAL Y DE DISTRIBUCIÓN
09 Localización
industrial An Application of the
Analytical Hierarchy
Process to
International
Location Decision-
Making
(Atthirawong et al,
2002)
Determinación
para una
localización
industrial.
(Tailandia)
Alternativas: 4
Criterios: 3
AHP
Tailandia
Tailandia -
China
Total
coincidencia
en el
ordenamiento
21 Localización
académica
Aplicação Conjunta de
Métodos do Apoio
Multicriterio para
decisão dos impactos
de uma Universidade
Pública
Brasileira
(Monteiro, 2002)
Aplicación
conjunta de
métodos de
apoyo
multicriterio para
evaluar impactos
de una
universidad.
(Brasil)
Alternativas: 10
Criterios: 5
No se indica el
modelo usado
Niteroi
- Volta
Redonda
- Campo de
Goytacazes
- Santo
Antonio de
Padua
Niteroi
- Itaperuna –
Goytacazes –
Cabo Frio –
San Joao
Coincidencia
sólo en la
primera
alternativa
23 Localización The MCDM Based Rediseño del
92
industrial y
distribución
redesign of the
Distribution System
(Zak et al, 2009)
sistema de
distribución de
una compañía
electrónica.
(Polonia)
Alternativas: 7
Criterios: 29
ELECTRE III y
AHP
ELECTRE
A3-A4-A6-A7
A1-A2-A5
AHP
A7-A6-A3-A1
A4-A2-A5
A3 – A2
Coincidencia
sólo en la
primera
alternativa
PROYECTOS DE GENERACIÓN Y DISTRIBUCIÓN ELÉCTRICA
12 Centrales
hidráulicas
Ranking Projects
Using the ELECTRE
Method
(Buchanan et al, 1999)
Ordenamiento de
proyectos
eléctricos.
(Nueva Zelanda)
Alternativas: 4
Criterios: 5
ELECTRE
A-B-D-E-C
A-B-E-C-D
Coincidencia
en las dos
primeras
alternativas
13 Centrales
hidráulicas
Medium hydro-power
study project (MHSP) –
(ACRES / LAVALIN,
1997)
Estudio de
factibilidad de
proyectos
hídricos.
(Nepal)
Alternativas: 16
Criterios: 10
No se indica el
modelo usado
aunque
probablemente
haya sido Coste /
Beneficio
BH-5
LBH-1
UMS-3
ST/ML1
BH-5
LBH-1
UMS-3
ST/ML1
Total
coincidencia
en el
ordenamiento
26 Líneas de
transmisión
Use of geographic
information systems in
an environmental
impact assessment of
an overhead power
line
(Warner et al, 2002)
Construcción de
una línea de alta
tensión entre tres
ciudades.
KwaZulu .
(Sud África)
Alternativas: 4
Criterios: 17
GIS
Primera
sección:
Alt. IG
Segunda
sección
Alt. IIG
Primera
sección:
Alt. IG
Segunda
sección
Alt. IIG
Total
coincidencia
en el
ordenamiento
50 Generación
eléctrica
Análisis Multicriterio
de decisiones –
Métodos Promethee
Análisis
multicriterio para
la toma de
Portugal
Bélgica
Bélgica
Reino Unido
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
93
(Aragonés, 2008)
decisión Alternativas: 6
Criterios: 7
PROMETHEE Reino Unido
Francia
Alemania
España
Francia
Portugal
España
No hay
coincidencias
49 Generación
eléctrica
Pre-feasibility MCDM
tools to aid
communities in
prioritizing local viable
renewable energy
sources
(Nigim et al, 2004)
Estudio de pre
factibilidad
usando técnicas
de multicriterio
para priorizar
fuentes viables
de energía
renovable.
Toronto.
(Canadá)
Alternativas: 5
Criterios: 6
AHP
Solar - Eólica
Solar - Eólica
Coincidencia
en las dos
primeras
alternativas
11 Distribución de
energía térmica
y eléctrica
Multi-Criteria
Planning of Local
Energy with Multiple
Energy Carriers
( Lǿken, 2007)
Importación de
energía eléctrica
(Noruega)
Alternativas: 4
Criterios: 7
MAUT
y
AHP
MAUT :
C– B – A - D
Una versión
de AHP:
B – D- A – C
Otra versión
de AHP
B – A – D- C
B
Coincidencia
sólo en la
primera
alternativa
66 Fuentes de
energía
eléctrica
An Integrated Multi-
Criteria System to
Assess Sustainable
Energy Options: An
Application of the
Promethee Method
(Cavallaro, 2005)
Fuentes no
tradicionales de
generación
eléctrica.
(Italia)
Alternativas: 4
Criterios: 10
PROMETHEE
Eólica
Mareas
Biomasa
Fotovoltaica
Biomasa
Mareas
Eólica
Fotovoltaica
No hay
coincidencias
94
PROYECTOS AGRÍCOLAS
25 Protección de
cultivos
Analytical Hierarchy
Process
(University of Iowa)
Agricultura.
(EE.UU.)
Alternativas: 3
Criterios: 4
AHP
Genmarker
Storage
Microcop
Genmarker
Storage
Microcop
Total
coincidencia
en el
ordenamiento
39 Investigación
agrícola-
ganadera
Priority Setting in
Agricultural Research in
Ukraine
(ÐORÐEVIÆ et al,
2002)
Investigación
agrícola
(Ucrania)
Alternativas: 17
Criterios: 3
AHP
Carne de
cerdo
Trigo
Uvas
Leche
Maíz
Carne vacuna
Carne de
cerdo
Leche
Soja
Frutales
Cebada
Coincidencia
sólo en la
primera
alternativa
41 Uso sostenible
de la tierra
agrícola
Multicriteria Evaluation
of Sustainable
Agricultural Land Use.
A case study of Lesvos
(Hermanides et al, 1998)
Evaluación de
agricultura
sostenible. Isla
de Lesvos –
(Grecia)
Alternativas: 4
Criterios: 20
REGIME
4S
4S
Total
coincidencia
en el
ordenamiento
PROYECTOS DE PLANEAMIENTO ECONÓMICO
63 Planeamiento
económico
Business location case
study
(Belton et al, 2001)
Estudio de
localización de
un negocio
Alternativas: 7
Criterios: 4
No indica el
modelo usado
Bruselas
París
Ámsterdam
Londres
Ámsterdam
Varsovia
No hay
coincidencias
15 Planeamiento
económico
Some particular aspects
concerning Electre
method applications
Alternativas de
selección de
inversiones.
(Rumania)
ELECTRE EN
ELECTRE I:
A2-A3-A4-
A1-A5
No hay
coincidencias,
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
95
(Condurache et al, 2003)
Alternativas: 5
Criterios: 4
DIFERENTES
VERSIONES
ELECTRE II:
A1-A2-A3-
A4-A5
ELECTRE IV:
A4-A1-A2-
A3-A5
ELECTRE
Modificado:
A3-A5-A1-
A2-A4
A5 – A1 –A2
– A4
pero observar
que tampoco
hay
coincidencias
entre las
diferentes
soluciones de
Promethee
PROYECTOS DE VIVIENDAS
16 Estilos
constructivos
Lecture 1.3.2 : Multi-
criterion decision-
making using Electre
(La Commune de
Meyrin, 1998)
Selección de
estilos de
viviendas.
Ginebra.
(Suiza)
Alternativas: 4
Criterios: 11
ELECTRE III
5 - 6
5 - 6
Total
coincidencia
en el
ordenamiento
PROYECTOS VARIOS
47 Toma de
decisión
Strict uncertainty: A
criterion for moderately
pessimistic decision
makers
(Ballestero, 2002)
Se propone una
regla de
decisión para
ordenar
actividades
bajo
incertidumbre
estricta
Alternativas: 6
Criterios: 3
PROGRA-
MACIÓN
COMPRO-
MISO
A3 – A4 – A6
– A1 – A2 –
A5
A3 – A4 – A2
– A5 – A6- A1
Coincidencia
en las dos
primeras
alternativas
51 Medicina Selection of a medical
treatment
(Autor no mencionado)
Selección de un
tratamiento
médico
Alternativas: 3
Criterios: 3
MAUT
Medicación
Ejercicio
Dieta
Medicación
Coincidencia
sólo en la
primera
alternativa
14 Selección de
personal
A Multicriteria Enfoque
multicriterio
Alternativas: 4
Montreal 1
Montreal 1
Total
96
Approach for Selecting a
Portfolio
Manager. EE.UU.
(Hababou et al, 1998)
para
seleccionar un
gerente de
inversiones en
proyectos
Criterios: 9 PROMETHEE
Calgary 1
Toronto 1
Montreal 2
Calgary 1
Toronto 1
Montreal 2
coincidencia
en el
ordenamiento
64
Tecnología Selection of broadband
technology for the
Universidad Nacional de
Colombia
(Cortez et al, 2007)
Selección de
una tecnología
de banda ancha
para la
Universidad
Nacional de
Colombia.
(Colombia)
Alternativas: 4
Criterios: 8
AHP
ADSL
Fibra óptica
Cable
LMDS
ADSL
Cable
Fibra óptica
Coincidencia
sólo en la
primera
alternativa
45 Actividad
militar
Electre application for
the selection of a fighter
bomber aircraft
(Romero, 1996 b)
Modelo Electre
aplicado a la
selección de un
caza
bombardero
Alternativas: 4
Criterios: 4
ELECTRE
A
A
Total
coincidencia
en el
ordenamiento
Sólo una
alternativa
seleccionada
en ambos
modelos
29 Elección de un
método de
selección
An examination of the
effectiveness of multi-
dimensional decision
making methods: A
decision-making
paradox
(Triantaphyllou et al,
1989)
Examen de la
efectividad de
modelos de
decisión
multicriterio
Alternativas: 3
Criterios: 3
AHP
Suma
ponderada
Suma
ponderada
Total
coincidencia
en el
ordenamiento
Sólo una
alternativa
seleccionada
en ambos
modelos
08 Compra de un
vehículo
Using the Analytic Selección de un
automóvil
Total
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
97
Hierarchy Process
(AHP)
(Autor no mencionado)
Alternativas: 3
Criterios: 4
AHP
B-C-A B-C-A
coincidencia
en el
ordenamiento
PROYECTOS MEDIOAMBIENTALES
19 Medio ambiente
(Reciclaje) Promethee Multicriteria
Analysis for Evaluation
of Recycling
Strategies in Malaysia
(Chenayah et al, 2006)
Medios de
publicidad para
promover el
reciclaje
(Carteles,
exhibiciones,
material
impreso, etc.).
(Malasia)
Alternativas: 5
Criterios: 4
PROMETHEE
A3 - A2
A3 - A2
Total
coincidencia
en el
ordenamiento
67 Medición de la
sostenibilidad
urbana
Measuring
Sustainability:
A Multi-Criterion
Framework
(Munda, 2003)
Medición de la
sostenibilidad
Alternativas: 4
Criterios: 9
MAUT
Moscú –
Budapest –
Nueva York -
Ámsterdam
Moscú –
Budapest -
Ámsterdam -
Nueva York
Coincidencia
en las dos
primeras
alternativas
48 Gestión medio
ambiental
Instrumentos
económicos para la
gestión ambiental:
Decisiones mono
criterios versus
decisiones multi criterio
(Falconi et al, 2004)
Instrumentos
económicos
para la gestión
medio
ambiental
Alternativas: 4
Criterios: 11
NAIADE
D – C- B - A
D – B – C- A
Coincidencia
sólo en la
primera
alternativa
98
20 Medio
ambiente
(Reciclaje)
Multicriteria Analysis
for Evaluation of
Recycling
Strategies in Malaysia
(Chenayah et al, 2006)
Medios para el
reciclaje.
(Contenedores,
camiones,
centro colector,
etc.)
Alternativas: 5
Criterios: 4
PROMETHEE
B4-B1-B2-B3-
B5
B4-B1-B2-B3-
B5
Total
coincidencia
en el
ordenamiento
PROYECTOS RELACIONADOS CON ACTIVIDADES INDUSTRIALES
27 Minería Multicriteria choice of
ore transport system for
an underground mine:
application of
Promethee methods
(Elevli et al, 2004)
Elección del
sistema de
transporte para
una mina
subterránea.
(Turquía)
Alternativas: 5
Criterios: 6
PROMETHEE
IRH-ERH-
SIS-DES-SNS
ERH – DES -
SIS
No hay
coincidencias
65 Fabricación de
bicicletas
A Multicriteria
Approach to Decision
Aid: Promethee & GAIA
(Mareschal, 2008)
Selección de
los medios de
comunicación
para
promocionar un
producto
Alternativas: 6
Criterios: 5
PROMETHEE
CMM
Herald
Anuncios
Correo
News - NCB
CMM
Correo
News – NCB
Anuncios
Herald
Coincidencia
sólo en la
primera
alternativa
46 Industria
automovilística
Multi-Criteria Decision
Support for Integrated
Technique Assessment
(Treitz et al, 2005)
Selección de
diferentes bases
de pintura para
automóviles
(Austria)
Alternativas: 6
Criterios: 7
PROMETHEE
1K UV
E-IR
2KU-IR
1K UV-A
E-T
2K-UT
1K UV
2KU-IR
E-T
Coincidencia
sólo en la
primera
alternativa
Resumen de este trabajo
Esta tesis está relacionada con la toma de decisiones en proyectos complejos en los
cuales es necesario adoptar una alternativa de entre varias posibles y sujetas todas ellas
a una serie de restricciones. Es éste un problema muy conocido y muy frecuente y que
puede resolverse mediante Programación Lineal, técnica desarrollada a mediados del
siglo pasado, la cual suministra, si existe, una solución óptima al problema, es decir
halla un óptimo de Pareto, y que por lo tanto no puede mejorarse. Se han desarrollado
muchas otras técnicas de tipo heurístico, basadas en distintos principios, para solucionar
este problema de gran interés en la práctica, sin embargo todas ellas proveen soluciones
que si bien pueden satisfacer al centro decisor y partes interesadas, no arrojan una
solución óptima sino satisfaciente.
El aporte de esta tesis es que aprovecha las características de optimización paretiana de
la Programación Lineal, con su capacidad para tratar problemas de grandes dimensiones
en cantidad de alternativas y en criterios de selección, que en general no son aptos para
ser resueltos por técnicas heurísticas, y la potencialidad de la técnica para representar en
forma matemática situaciones reales y muy complejas, como son la mayoría de los
problemas que se presentan en la vida real. Esta capacidad de modelación está basada
en la posibilidad de representar matemáticamente situaciones condicionantes, de
restricciones de capital, de límites o umbrales que se establecen por diversas razones,
tales como el máximo permitido de contaminación atmosférica, etc. Sin embargo,
desgraciadamente, la PL puede trabajar sólo con un único objetivo, aunque se han hecho
valiosos intentos para eliminar esta restricción.
Este trabajo propone el empleo de la técnica SIMUS, la cual, basada en la PL posibilita
ampliar su campo de acción al permitir no sólo trabajar con cualquier cantidad de
objetivos, sean éstos de máxima, de mínima o mezclados, sino también el empleo de
criterios subjetivos, que es otro aspecto limitante de la PL clásica. Es decir Simus
permite ampliar el campo de aplicación - por cierto muy amplio de la PL – al facilitar la
resolución, aunque no con un resultado optimo, sino satisfaciente, de situaciones muy
complejas, con varios objetivos, cientos o miles de alternativas y criterios, y empleando
mezclados, criterios objetivos y subjetivos.
Una ventaja inherente de la PL es que no necesita que se determinen pesos o niveles de
importancia y por lo tanto reduce considerablemente el riesgo de obtener soluciones
satisfacientes que dependen en gran medida de la subjetividad del centro decisor. Simus
se ha contrastado con una cantidad apreciable de problemas reales, resueltos por los
métodos heurísticos y cuyo resultado arroja un gran porcentaje de coincidencia no solo
en las alternativas elegidas sino también en su ordenamiento.
100
Por lo tanto, se considera que Simus provee una herramienta que puede ser de gran
utilidad en la resolución de complejos problemas de decisión que son cada día más
frecuentes.
Resum d'aquest treball
Aquesta tesi està relacionada amb la presa de decisions en projectes complexos en els
quals és necessari adoptar una alternativa d'entre diverses possibles i subjectes totes
elles a una sèrie de restriccions. És aquest un problema molt conegut i molt freqüent i
que pot resoldre's mitjançant Programació Lineal, tècnica desenvolupada a mitjan segle
passat, la qual subministra, si existeix, una solució òptima al problema, és a dir troba un
òptim de Pareto, i que per tant no pot millorar-se. S'han desenvolupat moltes altres
tècniques de tipus heurístic, basades en diferents principis, per a solucionar aquest
problema de gran interès en la pràctica, no obstant açò totes elles proveeixen solucions
que si bé poden satisfer a l'ens decisor i parts interessades, no llancen una solució
òptima sinó satisfaent.
L'aportació d'aquesta tesi és que aprofita les característiques d'optimització paretiana de
la Programació Lineal, amb la seua capacitat per a tractar problemes de grans
dimensions en quantitat d'alternatives i en criteris de selecció, que en general no són
aptes per a ser resolts per tècniques heurístiques, i la potencialitat de la tècnica per a
representar en forma matemàtica situacions reals i molt complexes, com són la majoria
dels problemes que es presenten en la vida real. Aquesta capacitat de modelació està
basada en la possibilitat de representar matemàticament situacions condicionants, de
restriccions de capital, de límits o llindars que s'estableixen per diverses raons, tals com
el màxim permès de contaminació atmosfèrica, etc. No obstant açò, desgraciadament, la
PL pot treballar només amb un únic objectiu, encara que s'han fet valuosos intents per a
eliminar aquesta restricció.
Aquest treball proposa l'ocupació de la tècnica SIMUS, la qual, basada en la PL
possibilita ampliar el seu camp d'acció en permetre no solament treballar amb qualsevol
quantitat d'objectius, siguen aquests de màxima, de mínima o barrejats, sinó també
l'ocupació de criteris subjectius, que és un altre aspecte limitant de la PL clàssica. És a
dir Simus permet ampliar el camp d'aplicació - per cert molt ampli - de la PL en facilitar
la resolució, encara que no amb un resultat òptim, sinó satisfaent, de situacions molt
complexes, amb diversos objectius, centenars o milers d'alternatives i criteris, i emprant
barrejats, criteris quantitatius i qualitatius.
Un avantatge inherent de la PL és que no necessita que es determinen pesos o nivells
d'importància i per tant redueix considerablement el risc d'obtenir solucions satisfaents
que depenen en gran mesura de la subjectivitat de l'ens decisor. Simus s'ha contrastat
amb una quantitat apreciable de problemes reals, resolts pels mètodes heurístics i el
resultat dels quals llança un gran percentatge de coincidència no solament en les
alternatives triades sinó també en el seu ordenament.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
101
Per tant, es considera que Simus proveeix una eina que pot ser de gran utilitat en la
resolució de complexos problemes de decisió que són cada dia més freqüents.
Abstract
This thesis is related with decision-making for complex problems, when it is necessary
to choose an alternative or a project amongst many, and all of them subject to a series of
restrictions. This is a very well known and frequent problem and which can be solved
by Linear Programming, technique developed in the 1950‟s, and that delivers, if it
exists, an optimal solution to the problem. This result is a Pareto optimum and
consequently cannot be improved. In addition, many heuristic techniques have been
developed - grounded on diverse principles - and considering different objectives to
solve this problem, which has a great practical interest. Most of them supply solutions
that can satisfy the decision-maker and stakeholders; however, they do not produce an
optimal solution but a satisfying approach.
The method proposed in this thesis takes advantage of the Paretian optimization of
Linear Programming, related to its capacity to solve large problems (for instance for
river basins), with a great number of projects or alternatives and selection criteria,
which in general are not suitable to be cracked by heuristic techniques. In addition, it
also takes advantage of the power of the tool to represent in a mathematical format
actual and complex scenarios, as are most of the decision problems in real life. This
capacity of modeling is based in the possibility of mathematically representing
conditioning scenarios such as fund restrictions and cashflow, limits or thresholds
established for different reasons, such as the maximum allowable contribution to
atmospheric contamination, maximum extraction of water from wells considering
natural refilling, etc. However, Linear Programming, unfortunately, only works with
one objective, albeit many attempts have been made to overcome this disadvantage
which is not present in heuristic methods.
This work proposes using the Simus algorithm, which allows to greatly enhance Linear
Programming applications since it permits working with any quantity of objectives,
either of maximization, minimization or equality, and to employ qualitative restrictions,
which is another limiting aspect of the classical Linear Programming. In conclusion
Simus permits enlarging the field of application of this technique - certainly already
very extensive – in order to reach a result, albeit not optimal, but satisfying to the
decision-maker and stakeholders, regarding very complex scenarios, with several
objectives, with hundreds or thousands of alternatives and criteria and mixing, if
necessary, quantitative and qualitative constraints.
An inherent advantage of Linear Programming rests in the fact that it does not need
weights or levels to gauge importance of criteria, and consequently, the risk of obtaining
102
satisfying solutions which depend on the decision-maker subjectivity is greatly reduced.
Simus results have been contrasted with those of an appreciable number of actual
problems, solved with different heuristic methods by diverse researchers, and the result
shows a large percentage of coincidences not only in the alternatives chosen but in their
ranking too. As a summary, it is considered that Simus supplies a tool which can be
very useful in solving complex decision-making problems which are nowadays more
frequent and increasing.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
103
GLOSARIO
Acción: Indica el tipo el propósito de cada restricción, es decir indicar que se desea una
maximización, una minimización o una igualdad.
Análisis de sensibilidad: Análisis de cómo varía una solución cuando se varían ciertos
parámetros. Es útil para determinar la estabilidad de una solución dada con respecto
a posibles cambios de algunas variables
Causalidad: Se aplica a la relación causa y efecto. En el contexto de esta tesis se refiere
a cómo influyen en forma seriada los efectos de un proyecto que generan un cierto
impacto que a su vez tiene influencia en otro y así sucesivamente.
Coeficientes de la matriz de decisión (aij): Valores que se colocan en la intersección de
cada columna con cada fila para demostrar la contribución de cada alternativa (en
columnas) en el cumplimiento de lo requerido por cada restricción o criterio (en
filas).
Contrastación: En el caso de esta tesis es la comparación de los resultados de diversos
problemas obtenidos por diferentes algoritmos y el método Simus.
Criterios: Ver „Restricciones‟
Entropía: Medida de la cantidad de información de un conjunto de datos.
Externalidades: Acciones para las cuales no hay un valor del mercado, pero que sin
embargo afectan a la sociedad, la economía y el medioambiente. Por ejemplo la
producción de ruido en una autopista, la degradación del suelo, la pérdida de áreas
verdes, etc.
Impacto: Efecto de un proyecto sobre el medio ambiente, la economía, la sociedad, etc.
Pueden ser positivos y negativos.
Indicadores: Son métricas que tienen varias funciones, por ejemplo medir la intensidad
de un impacto, capacidades limites, tendencias, etc.
Kernel: En este trabajo se refiere a un subconjunto asociado con un mapeo.
Matriz de decisión: Matriz que en columnas y en filas respectivamente refleja los
proyectos o alternativas y los criterios o restricciones. Es común a todos los modelos
de resolución de problemas de decisión. En PL la matriz de decisión tiene además
una columna adicional que corresponde al vector de requerimientos, o lo que lo
mismo, de los valores que limitan las restricciones.
Matriz de soluciones eficientes: Matriz cuyos componentes son soluciones eficientes de
un mismo problema resuelto en forma sucesiva considerando objetivos diferentes.
104
Matriz encadenada: Matriz que analiza en forma seriada la relación con respecto
impactos entre acciones, efectos, consecuencias y receptores.
Método Simplex: Algoritmo de resolución de un problema de Programación Lineal
donde se trata de encontrar la mejor mezcla u ordenamiento de alternativas o
proyectos, que dependen de criterios o restricciones y a fin de cumplimentar un
objetivo establecido
Modelación: Intento de generar un modelo matemático que representa aunque sea en
forma aproximada las condiciones de un problema real.
Objetivo simple: Fin que se desea alcanzar, expresado como una función matemática
lineal que puede ser de maximización o minimización. Generalmente no tiene un
valor numérico especificado
Objetivos múltiples: Múltiples fines que se desea alcanzar. Por ejemplo que un proyecto
tenga como objetivos un mínimo coste monetario, a la vez que máxima rentabilidad,
mínimo daño al medio ambiente, máximo beneficio a la población, etc. Es el tipo
común de objetivos con que trabajan los métodos heurísticos para toma de
decisiones.
OCDE: „Organización para la Cooperación y el Desarrollo Económico‟. Es una
organización internacional compuesta por 33 estados
Politopo: Conjunto formado por la intersección de líneas (en un espacio de dos
dimensiones y que constituye un polígono), por planos (en un espacio de tres
dimensiones, y que constituye entonces un poliedro), por hiperplanos (en un
espacian de n- dimensiones, y que constituye entonces un hiperpoliedro).
Problema dual: Es la inversa de un problema directo de PL, en donde las columnas del
proyecto directo constituyen las filas del dual, en tanto que las filas del directo se
transforman en columnas del dual. Ambos problemas se resuelven simultáneamente
con el algoritmo del Simplex, es decir al hallar la solución del problema directo se
halla también la del dual. Aunque ambos producen el mismo valor del funcional, sus
respectivas variables tienen significados totalmente diferentes. Las variables del
problema directo dan el valor de las alternativas, en tanto que las variables del dual
expresan el valor marginal de cada restricción. El dual tiene una enorme importancia
en PL y en su aplicación a problemas prácticos ya permite conocer, entre otros
aspectos, la sensibilidad de la solución alcanzada.
Problema primal o directo: Es el problema normal en PL en donde una matriz de
decisión representa alternativas y criterios o restricciones y obedeciendo a un
objetivo. Se resuelve por medio del algoritmo del Simplex
Programación Lineal (PL): Técnica que trata de las relaciones lineales entre variables
en problemas donde hay que optimizar una función lineal sujeta a restricciones
lineales Fue desarrollada por Leónid Kantoróvich para optimizar recursos.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
105
Programación no lineal: Formada por una función objetivo y restricciones no lineales.
Este sistema no se resuelve por el algoritmo del Simplex, (sino en algoritmos
basados en la Teoría de Khun y Tucker) y aunque también existe una solución dual
que arroja valores marginales (Multiplicadores de Lagrange), estos valores son
puntuales y no constantes como en el caso de la PL
Restricciones cualitativas: Aquellas que expresan opiniones no cuantificables con
exactitud en forma directa. Por ejemplo, Bueno. Malo, Conveniente, No deseable,
etc. Muy común en proyectos por ejemplo cuando se pide la opinión de la gente con
respecto a los beneficios o perjuicios de un proyecto.
Restricciones cuantitativas: Aquellas que representan cantidades cuantificables tales
como Km, m3, mg/m
3, ppb, etc.
Restricciones: Condiciones que deben cumplir los proyectos o alternativas a analizar
para cumplir con el objetivo propuesto Constituyen el medio empleado para
seleccionar las alternativas y pueden obedecer a acciones de maximización,
minimización o igualdad, y deben cumplir con un valor numérico definido.
Simplex: Algoritmo desarrollado por George Dantzig que permite resolver
eficientemente problemas de PL
Solver: Agregado o rutina de Excel que aplica el algoritmo del Simplex.
REFERENCIAS BIBLIOGRÁFICAS
ACRES/LAVALIN (1997). Medium hydro-power study project (MHSP) –The World
Bank
Alberto, C., Carignano, C. (2004). Métodos no paramétricos y apoyo multicriterio a las
decisiones: Eficiencia de la educación superior en Argentina – Universidad Nacional
de Córdoba.
<http://www.famaf.unc.edu.ar/~torres/trabajosparapublicacion/15modelos_matemati
cos_interdisciplinarios/15-modelos_matematicos_interdisciplinarios-01.pdf.>
[Consultado: 10 de octubre de 2010]
Aragonés, P. (2008). Análisis Multicriterio de Decisiones. Métodos Promethee. Apuntes
de clase, Universidad Politécnica de Valencia, España
Aragones, P., Gómez-Senent, E. (2001). Técnicas de ayuda a la decisión multicriterio –
Cuaderno de apuntes – Departamento de Ingeniería de la Construcción y de
Proyectos de Ingeniería Civil – Universidad Politécnica de Valencia
Atthirawong, W, Mac Carthy, B. (2002). An Application of the Analytical Hierarchy
Process to International Location Decision-Making- Paper, University of
Nottingham
Ballestero, E. (2002). Strict uncertainty: A criterion for moderately pessimistic decision
makers. Decision Sciences; Winter 2002; 33, 1; AB/INFORM Global
Barba-Romero, S. (1997). 3. Conceptos y soportes informáticos de la decisión
multicriterio discreta. Fuente: Martínez, Eduardo y Escudey, Mauricio (eds.) (1997),
Evaluación y decisión multicriterio: reflexiones y experiencias, Santiago, USACH,
UNESCO © 1997
Barda, O., Dupuis, J., Lencioni, P. (1990). Multicriteria Location of Thermal Power
Plants – European Journal of Operations Research, 45, pp. 332-346
Behzadian. M, Kazemzadeh, R., Albadvi, A., Aghdasi, M. PROMETHEE: A
comprehensive literature review on methodologies and applications. European
Journal of Operations Research, 200 (2010), 198-215
Belton, V., Stewart, T., (2001). Multiple Criteria Decision Analysis – An Integrated
Approach, Kluwer Academic Publishers, Boston/Dordrecht/London
Belton, V., Elder, M. (1998). Integrated MCDA: A Simulation Case Study. Management
Science, University of Strathclyde, Glasgow, Scotland
Brans, J., Mareschal, B. (2004). Multiple criteria decision analysis – Chapter 5 –
Promethee methods.
108
< http://info.wlu.ca/~wwwmath/courses/graduatecourses/ma536/promethee.pdf>
[Consultado: 28 de setiembre de 2010]
Brans, J.,Vincke and Mareschal, B. (1986). How to select and how to rank projects: The
Promethee method, European Journal of Operational Research 24.
Brans, J., Vincke, Ph. (1985). A preference ranking organization method: The
Promethee method, Management Science 31, 647-656
Brans, J., Mareschal, B.; Vincke, Ph. (1984). PROMETHEE: A new family of
outranking methods in MCDM en Brans, J.P. Edi. Operational Research´84. North
Holland (1100 p.); pp. 447-490.
Brans, J. (1982). “L´Ingéniérie de la decisión. Elaboration d´instruments d´Aide à la
décision. La méthode PROMETHEE”. Université LAVAL. Colloque d´Aide à la
Decisión, Québec, pp. 183-213
Buchanan, J., Sheppard, P. (1999). Ranking projects using the Electre method.
Technical paper, University of Waikato, New Zealand
Calderón, E., Goger, T. (2009). Integrated Assessment of Environmental Impact on
Traffic and Transport Infrastructure ISBN: 078-84-7493-401-4
Cavallaro, F (2005). An Integrated Multi-Criteria System to Assess Sustainable Energy
Options: An Application of the Promethee Method - Fondazione Eni Enrico Mattei -
Working Papers
Charnes, A. A., and Cooper, W.W. (1961). Management models and industrial
applications of linear programming, John Wiley and Sons.
Chenayah, S., Takeda, E. (2006). Promethee Multicriteria Analysis for Evaluation of
Recycling Strategies in Malaysia. Discussion papers in Economics and Business,
with number 05-01, Osaka University
Cheng, S., Chan, C., Huang, G. (2003). An integrated multi-criteria decision analysis
and inexact mixed integer linear programming approach for solid waste management.
Engineering Applications of Artificial Intelligence 16 (2003) 543-554
Condurache, G., Ciobanu, R-M. (2003). Some particular aspects concerning Electre
method applications
<http://www.unitus.it/mcda57/lavori/PapConduracheCiobanu.pdf.>
[Consultado: 17 de abril de 2010]
Cohon, J. (1978). Multiobjective Programming and Planning – Academic Press, New
York.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
109
Cortez, F., García, M., Aragonés, P. (2007) Selection of broadband technology for the
Universidad Nacional de Colombia. Ingeniería e Investigación, Vol. 27 Número 1,
Bogotá
Dantzig, G. (1948). Linear Programming and Extensions. United States Air Force
De Keyser, W., Peeters, P. (1996). A note on the use of PROMETHEE multicriteria
methods. European Journal of Operational Research. Volume 89, Issue 3, 22 March
1996, Pages 457-461
Dodgson, J., Spackman, M., Pearman, A. (2002). DTLR (Department of Transportation,
Local Government and Regions). Multicriteria Analysis Manual. National Economic
Research Associates and DTLR members, U.K.
ÐORÐEVIÆ, M., HUNJAK, T. (2002). Priority Setting in Agricultural Research in
Ukraine Agriculturae Conspectus Scientificus, Vol. 67 (2002) No. 2 (57-68)
Duckstein, L., Treichel, W., Magnouni, S. (1994). Ranking groundwater management
by multicriterion analysis. Journal of Water Resources Planning and Management
120(4):546-565; jul.-ago. 1994.
Dutta, G., Fourer, R. (2001). A Survey of Mathematical Programming Applications in
Integrated Steel Plants
Edwards, W. (1977). How to use multiattribute utility measurement for social
decisionmaking. IEEE Transactions on Systems, Man, and Cybernetics, SMC-7,
326-340.
Elevli, B, Demirci, A. (2004). Multicriteria choice of ore transport system for an
underground mine: application of PROMETHEE methods. International Platinum
Conference „Platinum Adding Value‟3–7 October 2004, Sun City, South Africa
Falconi, F., Burbano, R. (2004). Instrumentos económicos para la gestión ambiental:
Decisiones monocriteriales versus decisiones multicriteriales. Revista
Iberoamericana de Economía Ecológica (REVIBEC). Vol. 1 2004-págs. 11-20
Fichefet, J., Lecrercq, J. (1986). A MulticriteriaMicrocomputer –assisted Systrem for
the Identification of Bacteria. European Journal of Operations Research, 24, pp. 12-
22
Figueira, J., Graco, S., Ehrgott, M. (editores) (2005). Multiple criteria decision
analysis: State of the art surveys - Springer
García, F., Munier, N. (2009). Determinación de la política para la expansión de un
aeropuerto-Trabajo final de „Herramientas para la toma de decisiones‟, para el
110
Máster en Dirección y Gestión de Proyectos - Universidad Politécnica de Valencia,
España
Hababou, M., Martel, J-M. ( 1998). A Multicriteria Approach for Selecting a Portfolio
Manager. Schulich School of Business, York University
Hermanides, C., Nijkamp, P. (1998). Multicriteria Evaluation of Sustainable
Agricultural Land Use. A case study of Lesvos- Multicriteria Analysis for Land Use
Management. Kluwer Academic Publishers, Dordrecht, The Netherlands
Hidalgo, F. (2007). Análisis multicriterio para la óptima ubicación de una central de
energía a partir de biomasa en Andalucía. Artículo, Universidad Pablo de Olavide,
Sevilla. <
http://www.etsia.upm.es/ANTIGUA/DIRECCION/eu/documentos/Certamen_Arqui
medes/007-FranciscoHidalgo.pdf> [Consultado: 07 de octubre de 2010]
Hobbs, B.F., Horn, G.T. (1997). Building Public Confidence in Energy Planning: A
Multimethod MCDM Approach to Demand-Side Planning at BC Gas - Energy
Policy, vol. 25 (3), p. 357-375
Huang, W-C, Chen, C-H. (2005). Using the Electre II method to apply and analyze the
differentiation theory. Proceedings of the Eastern Asia Society for Transportation
Studies, Vol. 5, pp. 2237 - 2249, 2005
Hwang, C., and Yoon, K. (1981).Multiple attribute decision making methods and
applications survey, Springer.
Ignizio, J., Cavallier, .P ( 1994). Linear Programming . Prentice Hall
Jaramillo, P. (2002). Métodos de Análisis Multiobjetivo para problemas continuos.
Universidad Nacional de Colombia - Sede Medellín Módulo 4
<http://pisis.unalmed.edu.co/vieja/cursos/analisis_decisiones/AD_4_%20ponderante
s%20y%20compromiso.pdf> [Consultado: 27 de abril de 2010]
Jones. D., Tamiz, M, (2010). Practical Goal Programming – Springer
Joumard, R., Gudmunsson, H. (eds) (2010). Indicators of Environmental Sustinability in
Transport: An Interdisciplinary approach to methods ISBN: 978-2-85782-664-2
Kantoróvich, L. (1959). La asignación óptima de recursos. Editorial Ariel, 1968
Keeney, R., Raiffa, H.: (1976). Decisions with Multiple Objectives: Preferences and
Value Tradeoffs. Wiley, New York.
Keeney, R.L. y Raiffa, H. (1993). Decisions with Multiple Objectives: Preferences and
Value Trade-offs. Cambridge University Press, Cambridge.
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
111
Korhonen, P., Topdagi, H. (2003). Performance of the AHP in comparison of gains and
losses. Mathematical and Computer Modeling. Volume 37, Issues 7-8, April 2003,
Pages 757-766
La Commune de Meyrin (1988). Lecture 1.3.2: Multi-criterion decision-making using
ELECTRE.
<http:// hydram.epfl.ch/personnes/Paschoud_UDMS99.pdf>. [Consultado: 19 de
diciembre de 2009]
Leontief, W. (1951). Input-Output Economics, Scientific American, October 1951, pp.
15–21.
Leyva Lopez, J-C. (2004). Multicriteria decision aid application to a student selection
problem. Pesquisa Operacional, v.25, n.1, p.45-68, Janeiro a Abril de 2005 45
Lindholm, O., Kine, H. (2003). The sustainability of conventional versus nature based
sewerage systems – COST 8 -Trento, Italy
Lǿken,E. (2007). Multi-Criteria Planning of Local Energy Systems with Multiple
Energy Carriers-Thesis Doctoral – Norwegian University of Science and
Technology
Macharis, C., Springael, J., De Brucker, K., Verbeke, A. (2004) PROMETHEE and
AHP: The design of operational synergies in multicriteria analysis. Strengthening
PROMETHEE with ideas of AHP. European Journal of Operations Research, 153
(2004), 307-317
Mareschal, B. (2008). A Multicriteria Approach to Decision Aid: Promethee & GAIA
<http://theses.ulb.ac.be/ETD> [Consultado: 20 de enero de 2010]
Mareschal, B., De Smet, Y., Nemery, P. (2006). Rank Reversal in the PROMETHEE II
Method: Some New Results
<http://userweb.port.ac.uk/~nemeryp/promethee_rank_reversal.pdf>. [Consultado:
09 de octubre de 2010]
Martínez, J., Erdmann, E., Tarifa, E. (2005). Evaluación de métodos para análisis
multicriterio Promethee y AHP - CONICET, Argentina
Monteiro, A. (2002) Avaliaçao dos impactos de uma Universidade Pública Brasileira-
Revista de la Escuela de Perfeccionamiento en Investigación Operativa, Buenos
Aires, V. 11, N. 23, P. 69-86, 2002.
Morais, D. and Almeida, A. (2006). Water supply system decision making using
multicriteria analysis. Federal University of Pernambuco, Brazil
112
Munda, G., (2003). Between Science and Democracy: the Role of Social Multi-Criteria
Evaluation (SMCE) Groupe de Travail Européen Aide Multicritère à la Décision
Série 3, nº7, printemps 2003
Munier, N. (2004). Multicriteria Environmental Appraisal – A Practical Guide, Kluwer
Academic Publishers. The Netherlands
Munier, N. (2010). Evaluación del impacto ambiental, social y económico en grandes
proyectos con énfasis en la sostenibilidad– Metodología de evaluación – Tesina para
obtener la titulación de Master, UPV.
Munier, N. (2011). A Strategy for using Multicriteria Analysis in Decision-Making - A
Guide for Simple and Complex Environmental Projects- Springer, Dordrecht, The
Netherlands
Nigim, K., Munier, N., Green, J. (2004). Pre-feasibility MCDM tools to aid
communities in prioritizing local viable renewable energy sources. Renewable
Energy 29 (2004) 1775–1791
Noble, B. (2002). Strategic environmental assessment of Canadian energy policy.
Impact Assessment and Projecr Appraisal, September 2002
Piantanakulchai, M. (2003). Analytical Network Process Model for Highway Corridor
Planning - ISAHP 2005, Honolulu, Hawaii, July 8-10, 2003
Pittsburgh Area Transportation Project (1999). A note on the selected multicriteria
decision - Methods and their applications. Katz Graduate School of Business
University of Pittsburgh
Romero, C. (1996 a). Análisis de las decisiones multicriterio. Isdefe, Madrid
Romero, C (1996 b). ELECTRE application for the selection of a fighter bomber
aircraft. Análisis de las decisiones multicriterio. Isdefe, Madrid
Romero, C. (1991). Handbook of Critical Issues in Goal Programming. Pergamon
Press, Oxford
Roy, B. (1968). Classement et choix en présence de points de vue multiples (la méthode
Electre). Rev. Fr. Inf. Rech. Oper. 2 (8) p.–75
Roy, B. (1985). Methodologie multicritere d‟aide a la decision – Economica, Paris.
Saaty, T. (1977). A scaling method for priorities in hierarchical structures. Scandinavian
Journal of Forest Research. 15: 234-281
Procedimiento fundamentado en la programación lineal para la
selección de alternativas en proyectos de naturaleza compleja
y con objetivos múltiples
113
Saaty, T. (1980): Multicriteria Decision Making - The Analytic Hierarchy Process,
McGraw-Hill, Nueva York
Saaty, R. (2003) Decision making in complex environments -The Analytic Network
Process (ANP) for Dependence and Feedback –Rozann W. Saaty
Sawaragi Y., Nakamori Y. (1992). Shinayakana Systems Approach in Modeling and
Decision Support. Proceedings of the 10th International Conference on Multiple
Criteria Decision Making, v. 1. Pp. 77-87. Taipei
Shannon, C.E. (1948) Mathematical Theory of Communication, The Bell System
Technical Journal, Vol. 27, pp. 379–423, 623–656, July, October, 1948
Steuer, R. (1989). Multiple criteria optimization: Theory, computation and application.
Krieger Publishing Company, Malabar (1989)
Tasca, L. (2006)). Tesis doctoral, Universidad de Milano
Treitz, M, Schollenberger, H., Schrader, B., Gelderman, J., Rentz, O. (2005) Multi-
Criteria Decision Support for Integrated Technique Assessment. Paper, University of
Karlsruhe, Germany
Triantaphyllou, E. (2002). Multi –Criteria Decision Making Methods: A Comparative
Study. Kluwer Academic Publishers, Dordrecht, The Netherlands.
Triantaphyllou, E., Mann, S. (1989). An examination of the effectiveness of multi-
dimensional decision making methods: A decision-making paradox. Decision
Support Systems. Volume 5, Issue 3
Universidad de Carnegie Mellon -EIO-LCA: Free, Fast, Easy Life Cycle Assessment
http://www.eiolca.net/ [Consultado: Febrero 11, 2011]
Vaidya, O., Kumar, S., (2006) Analytic hierarchy process: An overview of applications.
European Journal of Operations Research, 169 (2006) 1-29
Vincke, P. (1992). Multicriteria Decision Aid – John Wiley, Nueva York
Vreeker, R., Nijkamp, P, Ter Welle, C. (2001). A multicriteria decision support
methodology for evaluating airport expansion plans. Tinbergen Institute, Amsterdam
Warner, L., Diab, R. (2002). Use of geographic information systems in an
environmental impact assessment of an overhead power line. Impact Assessment and
Project Appraisal, Volume 20, Number 1, 1 March 2002, pp. 39-47(9)
114
Warren, L. (2009). Uncertainties in the Analytic Hierarchy Process. AR-013-275
<http://biblioteca.universia.net/irARecurso.do?page=http%3A%2F%2Fhdl.handle.ne
t%2F1947%2F3553&id=42429362N9505/23/57DSTO-TN-0597JTW 02/304>.
[Consultado: 10 de octubre de 2010]
Wolfslehner, B. (2002). Potentials and limitations of multi-criteria analysis methods in
assessing sustainable forest management – Internal paper – Department of Forest
and Soil Sciences, Institute of Silviculture, University of Natural Resources and
Applied Life Sciences, Peter-Jordanstr. 82, Vienna, Austria.
Yi-Chun, K (2008). Linear Programming Applications. Essays
24.com.Papers.com<http://www.oppapers.com/essays/Linear-Programming-
Applications/276402> [Consultado: 02 de abril de 2011].
Zak, C., Wlodarczak, H., Kicinski, M.(2009). The MCDM Based redesign of the
Distribution System
< http://www.iasi.cnr.it/ewgt/13conference/119_zak.pdf>. [Consultado: 19 de junio
de 2010]
Zavala,J., Cruz, M.A.,Vanoye, J., Cruz, M.H. (2007). Modelo Matemático
Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana
de Valores http://www.uaem.mx/posgrado/mcruz/paper6.pdf
[Consultado: 03 de abril de 2011]
Zeleny, M. (2000). New frontiers of decision making for the information technology
era. Published by Yong Shi (University of Nebraska, Omaha & Milan Zeleny
(Fordham University, New York)
Zeleny, M (1974). Linear multi-objective programming – LNEMS 95, Springer, Berlin
Ziara, M. (2002). Strategic implementation of infrastructure priority projects: Case
study in Palestine, Centre for Engineering and Planning (CEP)- Palestine
115
ARTÍCULOS PUBLICADOS EN EL COMPENDIO
1. Methodology to select a set of urban sustainability indicators to measure the
state of the city, and performance assessment
N. Munier
Publicado por: Ecological Indicators 11 (2011) 1020–1026
2. Economic growth and sustainable development: could multicriteria analysis be used
to solve this dichotomy?
Nolberto Munier
Publicado por: Environment, Development and Sustainability (2005) 00:1–20
3. Pre-feasibility MCDM tools to aid communities in prioritizing local viable
renewable energy sources
K. Nigim, N. Munier, J. Green
Publicado por: Renewable Energy, 29 (2004) 1775-1791